Uma técnica de machine learning chamada feature engineering utiliza dados para gerar novas variáveis que não estão presentes no conjunto de treinamento. O processo de produzir, transformar, extrair e selecionar features — também chamadas de variáveis — que são mais úteis no desenvolvimento de um algoritmo preciso de ML é conhecido como feature engineering. Com o objetivo de simplificar e acelerar transformações de dados, além de melhorar a precisão do modelo, pode gerar novas features tanto para aprendizado supervisionado quanto não supervisionado. Projetar modelos de previsão precisos para resolver problemas, exigindo menos tempo e recursos computacionais, requer feature engineering.
O que é Feature Engineering?