Respuesta correcta
- BCreación y transformación de variables de entrada utilizando el conocimiento del dominio para mejorar el rendimiento del modelo
Explicación
La ingeniería de características es el proceso de crear nuevas variables de entrada o transformar las existentes utilizando el conocimiento del dominio para ayudar a los modelos de aprendizaje automático a capturar mejor los patrones en los datos. Impacta directamente en el rendimiento del modelo al hacer que las relaciones subyacentes sean más explícitas, reducir el ruido y permitir que los algoritmos aprendan de manera más efectiva. En Azure Machine Learning, esto a menudo se realiza a través de herramientas de ingeniería de características automatizadas o scripts de Python personalizados dentro de canalizaciones.
Para profundizar
La ingeniería de características es la práctica de utilizar el conocimiento del dominio para seleccionar, crear y transformar variables de entrada brutas en representaciones que faciliten el aprendizaje de patrones por parte de un modelo. Incluye técnicas como la codificación one-hot de variables categóricas, la discretización (binning) de valores continuos, la normalización o estandarización de rangos numéricos, la extracción de partes de fechas como el día de la semana, el cálculo de proporciones o agregados y el manejo de valores faltantes. La calidad y relevancia de las características a menudo influyen en la precisión del modelo más que la elección del algoritmo, porque un modelo solo puede aprender de la señal presente en sus entradas. Un comportamiento sutil es la fuga de datos (data leakage), donde una característica derivada utilizando información futura infla la precisión de validación pero falla en producción. Un escenario realista es un modelo de abandono (churn) donde las marcas de tiempo brutas del último inicio de sesión se convierten en días desde el último inicio de sesión, una característica que captura directamente el compromiso y mejora el rendimiento predictivo.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.