Какие знаешь способы генерации признаков

Генерация признаков (feature engineering) — ключевой этап в ML. Основные методы:

1. Извлечение из даты/времени:

   python

   Копировать

   df['day_of_week'] = df['timestamp'].dt.dayofweek

2. Статистики по группам:

   python

   Копировать

   df['mean_price_by_category'] = df.groupby('category')['price'].transform('mean')

3. Полиномиальные признаки:

   python

   Копировать

   from sklearn.preprocessing import PolynomialFeatures
   poly = PolynomialFeatures(degree=2)

4. Текстовые признаки:

   • TF-IDF, Word2Vec, эмбеддинги.

5. Бинаризация категорий:

   python

   Копировать

   pd.get_dummies(df['category'])

6. Агрегация временных рядов: скользящие средние, лаги.

7. Кодировки: Target Encoding, Frequency Encoding.

8. Разложение (PCA, t-SNE) для снижения размерности.

9. Взаимодействия признаков:

   python

   Копировать

   df['price_per_room'] = df['price'] / df['rooms']

Креативность и domain knowledge критичны для эффективной генерации признаков.