Unidad 3: Feature Engineering Avanzado¶

Esta unidad cubre técnicas avanzadas de ingeniería de características, esenciales para mejorar el rendimiento de modelos de Machine Learning. Aprenderás a crear, transformar y seleccionar features de manera estratégica.

📚 Contenido de la Unidad¶

Práctica 7: Feature Engineering con Pandas ¶

Creación y transformación de características

Aprende a crear nuevas variables que mejoren el poder predictivo de tus modelos: - Creación de features derivadas - Transformaciones matemáticas (log, sqrt, exponencial) - Agregaciones y estadísticas por grupo - Binning y discretización - Interacciones entre variables - Feature engineering específico por dominio - Dataset: Ames Housing

Práctica 8: Encoding Avanzado y Target Encoding ¶

Codificación de variables categóricas

Domina las técnicas de encoding para variables categóricas: - One-Hot Encoding y Label Encoding - Ordinal Encoding - Target Encoding (Mean Encoding) - Frequency Encoding - Binary Encoding - Hash Encoding - Manejo de alta cardinalidad - Prevención de overfitting en encoding

Práctica 9: PCA y Feature Selection ¶

Reducción de dimensionalidad y selección de características

Aprende a reducir la complejidad de tus datos sin perder información relevante: - Principal Component Analysis (PCA) - Interpretación de componentes principales - Variance explained y scree plots - Feature Selection con métodos filter - Métodos wrapper (RFE, Forward/Backward Selection) - Métodos embedded (Lasso, Random Forest importance) - Técnicas de selección automática - Trade-offs entre complejidad e interpretabilidad

Práctica 10: Temporal Feature Engineering con Pandas ¶

Ingeniería de características temporales

Extrae información valiosa de variables de tiempo: - Extracción de componentes temporales (año, mes, día, hora) - Features cíclicos (sin/cos transformations) - Diferencias y deltas temporales - Rolling windows y agregaciones temporales - Lag features y features adelantadas - Tendencias y estacionalidad - Time-based feature engineering - Manejo de series temporales

🎯 Objetivos de Aprendizaje¶

Al completar esta unidad, serás capaz de:

✅ Crear features nuevas que mejoren el rendimiento de modelos
✅ Aplicar transformaciones apropiadas a variables numéricas
✅ Codificar variables categóricas de múltiples maneras
✅ Reducir dimensionalidad con PCA
✅ Seleccionar las características más relevantes
✅ Extraer información de variables temporales
✅ Construir pipelines completos de feature engineering
✅ Evaluar el impacto de nuevas features en el modelo

🛠️ Herramientas y Tecnologías¶

Pandas: Manipulación y feature engineering
Scikit-learn: PCA, feature selection, encoding
Category Encoders: Encoding avanzado
NumPy: Operaciones matemáticas
Matplotlib & Seaborn: Visualización de features
Feature Engine: Herramientas especializadas

💡 Conceptos Avanzados¶

Target Encoding: Codificación basada en la variable objetivo
PCA: Transformación lineal para reducir dimensionalidad
Feature Importance: Medición de la relevancia de variables
Curse of Dimensionality: Problemas con demasiadas features
Leakage Prevention: Evitar filtración de información en encoding
Cyclic Features: Representación de variables cíclicas (tiempo)

📊 Datasets Utilizados¶

Ames Housing: Predicción de precios de viviendas
Datasets temporales: Para feature engineering temporal
Datos con alta cardinalidad: Para técnicas de encoding avanzado