Что такое мета-признаки

Мета-признаки — это характеристики, описывающие свойства самих признаков или объектов в данных. Они помогают улучшить модели, добавляя информацию о структуре данных. Примеры:

1. Статистические: среднее, дисперсия, количество уникальных значений.
2. Сложность данных: энтропия, корреляция между признаками.
3. Автоматически генерируемые: важность признаков из простой модели (например, feature importance из RandomForest).

Пример кода для создания мета-признаков:

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

# Основные признаки
X = pd.DataFrame({'feature1': [1, 2, 3], 'feature2': [4, 5, 6]})
y = [0, 1, 0]

# Мета-признак: важность из RandomForest
model = RandomForestClassifier().fit(X, y)
X['meta_feature'] = model.feature_importances_.sum()

Используются в автоматическом машинном обучении (AutoML), feature engineering и для улучшения интерпретируемости моделей.