Engenharia e Seleção de Características

A engenharia e a seleção de características são etapas fundamentais na construção de modelos eficazes de aprendizado de máquina. Esses processos envolvem a criação de novas características e a seleção das mais relevantes para melhorar o desempenho do modelo.

Nesta lição, você aprenderá técnicas de engenharia e seleção de características para aumentar a precisão das previsões.

O Que é Engenharia de Características?

A engenharia de características envolve a criação de novas características a partir de dados brutos para tornar os modelos de aprendizado de máquina mais eficazes. Alguns exemplos incluem:

• Extrair características baseadas em tempo, como dia, mês ou hora, a partir de marcas de data e hora.
• Combinar várias características em uma nova característica.
• Escalonar características numéricas para padronizar seu intervalo.

Criação de Novas Características

Vamos criar novas características com base nos dados existentes:

# Example: Creating new features
import pandas as pd

data = {'Timestamp': ['2025-01-01 12:00:00', '2025-01-02 15:30:00']}
df = pd.DataFrame(data)
df['Hour'] = pd.to_datetime(df['Timestamp']).dt.hour
df['Day'] = pd.to_datetime(df['Timestamp']).dt.day
print(df)

Escalonamento de Características

O escalonamento garante que todas as características numéricas estejam na mesma escala, o que melhora o desempenho do modelo:

# Example: Scaling features
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
values = [[10], [20], [30]]
scaled_values = scaler.fit_transform(values)
print(scaled_values)

Seleção de Características

A seleção de características envolve escolher as características mais relevantes para o modelo. Algumas técnicas comuns incluem:

• Métodos de Filtragem: Seleção de características com base em medidas estatísticas, como a correlação.
• Métodos de Envoltório: Uso de algoritmos como a Eliminação Recursiva de Características (RFE).
• Métodos Incorporados: Seleção de características durante o treinamento do modelo, por exemplo, a regressão Lasso.

Seleção de Características Baseada em Correlação

Características altamente correlacionadas podem ser redundantes. Use Pandas para calcular as correlações:

# Example: Correlation-based feature selection
import pandas as pd

data = {'Feature1': [1, 2, 3], 'Feature2': [2, 4, 6], 'Feature3': [1, 1, 1]}
df = pd.DataFrame(data)
print(df.corr())

Eliminação Recursiva de Características (RFE)

RFE é um método de envoltório que remove iterativamente as características menos importantes:

# Example: RFE
from sklearn.feature_selection import RFE
from sklearn.linear_model import LogisticRegression

X = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
y = [0, 1, 0]
model = LogisticRegression()
rfe = RFE(model, n_features_to_select=2)
rfe.fit(X, y)
print("Selected Features:", rfe.support_)

Importância das Características com Modelos Baseados em Árvores

Modelos baseados em árvores, como as florestas aleatórias, fornecem pontuações de importância das características:

# Example: Feature importance
from sklearn.ensemble import RandomForestClassifier

X = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
y = [0, 1, 0]
model = RandomForestClassifier()
model.fit(X, y)
print("Feature Importances:", model.feature_importances_)

Erros Comuns na Engenharia de Características

Veja alguns erros que devem ser evitados:

• Criar características demais, o que pode levar ao sobreajuste.
• Ignorar a necessidade de escalonamento em algoritmos baseados em distância.
• Usar características altamente correlacionadas, causando redundância.

O Que Aprendemos?

Nesta lição, você aprendeu:

• A importância da engenharia e da seleção de características no aprendizado de máquina.
• Técnicas para criar novas características e escalonar características numéricas.
• Como selecionar características relevantes usando métodos como RFE e modelos baseados em árvores.
• Erros comuns que devem ser evitados durante a engenharia de características.

Parabéns! Vamos passar para o próximo tópico.