¿Cómo abordas feature engineering?

Respuesta directa

Qué debe cubrir una buena respuesta

Cómo funciona

La ingeniería de features empieza fijando el momento de la predicción y preguntando qué es conocible entonces, y entendiendo el mecanismo del dominio que conecta entradas con resultado. Las features candidatas codifican ese mecanismo: recencia, frecuencia, ratios, cambios en ventanas e interacciones que la familia del modelo no puede aprender sola. La ausencia se representa explícitamente, el tiempo se maneja con retardos y ventanas alineadas a la fecha de predicción, y las codificaciones categóricas y escaladores se ajustan solo con entrenamiento. Cada feature se gana su sitio con una mejora medida en validación, y el coste de calcularla y monitorizarla en producción es parte de la decisión.

Ejemplo

Para predecir si una suscripción se renueva, las features útiles fueron accesos en los últimos 7 y 30 días, el ratio entre ambos como tendencia, días desde el último ticket de soporte y si algún pago había fallado, todo calculado a fecha de renovación menos 14 días. Una feature de accesos totales históricos no añadió nada sobre las ventanas y se descartó para mantener simple el pipeline de serving.

Errores frecuentes

• Usar features que solo estarán disponibles después de necesitar la predicción.
• Codificar categorías con estadísticas del target calculadas sobre todo el conjunto.
• Conservar cientos de features que no aportan nada y hacen frágil el modelo en producción.

Una estructura útil para responder

Responde desde tu propia experiencia.

No memorices un guion: usa solo ejemplos que puedas explicar con honestidad en preguntas posteriores.