Ingeniería de características

La ingeniería de características consiste en crear nuevas variables a partir de las existentes para mejorar el rendimiento del modelo. Es una de las técnicas más poderosas en Machine Learning y puede marcar la diferencia entre un modelo mediocre y uno excelente.

1. Qué es la ingeniería de características

Es el proceso de crear nuevas variables que ayuden al modelo a aprender mejor.

# Ejemplo conceptual
edad → grupo_edad
ingresos → ingresos_log
fecha → día, mes, año

2. Por qué es importante

• Mejora la capacidad del modelo para aprender patrones
• Reduce ruido
• Permite representar relaciones no lineales
• Puede aumentar la precisión significativamente

3. Transformaciones matemáticas

Algunas variables funcionan mejor transformadas.

# Log transform
df["ingresos_log"] = np.log(df["ingresos"] + 1)

# Escalado
from sklearn.preprocessing import StandardScaler
df_scaled = scaler.fit_transform(df)

4. Codificación de variables categóricas

Los modelos no pueden trabajar con texto, así que las categorías deben codificarse.

from sklearn.preprocessing import OneHotEncoder

encoder = OneHotEncoder()
X_encoded = encoder.fit_transform(df[["ciudad"]])

5. Variables temporales

Las fechas contienen mucha información útil.

df["año"] = df["fecha"].dt.year
df["mes"] = df["fecha"].dt.month
df["día_semana"] = df["fecha"].dt.dayofweek

6. Combinación de características

A veces la relación entre dos variables es más útil que cada una por separado.

# Interacción
df["ingresos_por_edad"] = df["ingresos"] / df["edad"]

# Producto
df["ingresos_x_edad"] = df["ingresos"] * df["edad"]

7. Ejercicios

# pista log
np.log(df["columna"] + 1)

# pista fecha
df["fecha"].dt.year

8. Mini‑proyecto: Ingeniería completa

Toma un dataset real y realiza:

• Transformaciones matemáticas
• Codificación categórica
• Variables temporales
• Combinación de características
• Comparación de modelos con y sin ingeniería

Siguiente guía