Extracción de características de los datos

La extracción de características consiste en transformar datos sin procesar en un conjunto de características que puedan utilizar los modelos de machine learning. En esta lección se presentan los conceptos básicos de la ingeniería de características y técnicas habituales para extraer características útiles de los datos.

¿Qué es la extracción de características?

La extracción de características simplifica los datos sin procesar al identificar los atributos clave más relevantes para el análisis. Reduce la complejidad de los datos y mejora el rendimiento del modelo.

Ejemplo:

• Extraer el month y el day de una columna date.
• Calcular el word count a partir de datos de texto.

Extracción de características de fechas

Puede obtener nuevas características, como year, month o day, a partir de una columna de fecha mediante Pandas.

Ejemplo:

df['Year'] = pd.to_datetime(df['Date']).dt.year

Características basadas en texto

Para los datos de texto, puede extraer características como:

• Recuento de palabras: Número total de palabras.
• Recuento de caracteres: Número total de caracteres.
• Palabras únicas: Número de palabras únicas.

Ejemplo:

df['WordCount'] = df['Text'].apply(lambda x: len(x.split()))

Codificación de características categóricas

Convierta los datos categóricos a un formato numérico para analizarlos. Entre las técnicas habituales se incluyen:

• Codificación one-hot: Crea columnas binarias para cada categoría.
• Codificación de etiquetas: Asigna un número único a cada categoría.

Ejemplo:

from sklearn.preprocessing import OneHotEncoder encoder = OneHotEncoder() encoded = encoder.fit_transform(df[['Category']])

Escalado de características

El escalado garantiza que todas las características estén en una escala similar, lo cual es fundamental para muchos algoritmos de machine learning. Entre las técnicas se incluyen:

• Estandarización: Escalar los datos para que tengan una media de 0 y una desviación estándar de 1.
• Escalado Min-Max: Transformar los datos a un intervalo de [0, 1].

Selección de características

La selección de características consiste en elegir las características más importantes para el modelo. Entre las técnicas se incluyen:

• Análisis de correlación: Identificar las características con una correlación elevada.
• Eliminación recursiva de características (RFE): Eliminar iterativamente las características menos significativas.

Recapitulación

En esta lección, aprendió sobre:

• Extracción de características: Transformar datos sin procesar en características útiles.
• Técnicas: Características de fecha, características basadas en texto y codificación de datos categóricos.
• Escalado de características: Garantizar que las características estén en escalas similares.
• Selección de características: Identificar las características más relevantes.

¡Felicitaciones!

Ha completado la lección sobre la extracción de características a partir de datos. Continúe con la siguiente categoría para profundizar en conceptos más avanzados de IA.