Какие знаешь методы генерации мета-признаков

Мета-признаки — это признаки, созданные на основе других признаков или модели. Основные методы:

1. Статистики по строкам: среднее, медиана, сумма, стандартное отклонение.

   python

   Копировать

   df['row_mean'] = df.mean(axis=1)

2. Агрегации по группам: среднее/макс/мин значений внутри категории.

   python

   Копировать

   df['group_mean'] = df.groupby('category')['value'].transform('mean')

3. Признаки из предсказаний моделей: использование выходов ML-моделей как признаков (например, вероятности или предсказания).

4. Признаки времени/даты: извлечение дня недели, месяца, квартала.

5. Текстурные/структурные признаки: например, гистограммы градиентов (HOG) для изображений.

6. Признаки кластеров: метки кластеров после кластеризации (KMeans, DBSCAN).

7. PCA/SVD признаки: уменьшение размерности с сохранением информации.

Используются для улучшения качества моделей, особенно когда исходные данные недостаточно информативны.