مهندسی ویژگی (Feature Engineering)

مهندسی ویژگی چیست؟

مهندسی ویژگی یعنی ساخت ویژگی‌های جدید و مفید از داده‌های موجود، یا انتخاب بهترین زیرمجموعه ویژگی‌ها. گفته می‌شود «مدل بد با ویژگی خوب، بهتر از مدل خوب با ویژگی بد است!»

۱. ساخت ویژگی جدید

از ترکیب ویژگی‌های موجود، ویژگی معنادارتر بسازید:

# از تاریخ تولد و تاریخ امروز → سن
df["age"] = 1404 - df["birth_year"]

# از قیمت و متراژ → قیمت هر متر
df["price_per_meter"] = df["price"] / df["meter"]

# از تاریخ → روز هفته، ماه، تعطیلات
df["month"] = pd.to_datetime(df["date"]).dt.month

۲. تبدیل‌های ریاضی

گاهی رابطه واقعی داده، خطی نیست:

• لگاریتم: برای داده‌های با دامنه وسیع (درآمد، جمعیت)
• توان دوم: df["meter2"] = df["meter"] ** 2 برای رابطه درجه دو
• ریشه: برای کاهش چولگی

۳. ویژگی‌های متقابل (Interaction)

# ضرب دو ویژگی که با هم معنا دارند
df["meter_x_rooms"] = df["meter"] * df["rooms"]

۴. انتخاب ویژگی (Feature Selection)

همه ویژگی‌ها مفید نیستند؛ بعضی نویز هستند. روش‌ها:

• همبستگی: ویژگی‌های بی‌ارتباط با برچسب را حذف کنید
• اهمیت مدل: درخت تصمیم اهمیت هر ویژگی را می‌دهد
• حذف ویژگی‌های تکراری: دو ویژگی همبسته مثل متر و فوت!

# اهمیت ویژگی با جنگل تصادفی
model = RandomForestClassifier().fit(X, y)
print(model.feature_importances_)

۵. دانش دامنه (Domain Knowledge)

بهترین ویژگی‌ها از شناخت مسئله می‌آیند. در پیش‌بینی قیمت خانه، ویژگی «فاصله تا مترو» شاید مهم‌تر از «تعداد پنجره» باشد!

جمع‌بندی

• ویژگی خوب، مدل ساده و دقیق می‌سازد
• ترکیب، تبدیل ریاضی و دانش دامنه، منابع ساخت ویژگی‌اند
• ویژگی‌های بی‌ارتباط و تکراری را حذف کنید