Feature Engineering이란?
"날짜" 원본에서 "요일·공휴일 여부" 같은 유용한 피처를 뽑아내는 작업이다.
기법
- One-hot encoding
- Scaling (MinMax, StandardScaler)
- Binning (연속값→구간)
- Interaction features
- Embedding (NLP, 범주형)
DL 시대
딥러닝은 feature를 자동 학습하지만, 테이블 데이터는 여전히 수작업 피처 엔지니어링이 강력.
Feature Engineering란?
정의
원본 데이터에서 모델 성능에 도움되는 특성을 설계·추출하는 작업. 전통 ML의 핵심.
다른 표현피처 엔지니어링
🔗 함께 보면 좋은 용어
Data 전체 →AARRR
Pirate Metrics
Dave McClure가 만든 스타트업 퍼널. Acquisition·Activation·Retention·Referral·Revenue.
A/B 유의성
통계적 유의성·검정력·샘플 크기 계산. p-value·신뢰구간·효과 크기.
Airbyte
오픈소스 ELT 도구. 300+ 커넥터로 소스 → Warehouse 동기화.
Airflow 2+
Airflow 2.x 메이저 개편. TaskFlow API·Deferrable·Dynamic DAG. 3.0에서 더 현대화.
Amplitude
제품 분석·실험 플랫폼. 행동 분석·제품 주도 성장에 특화.
Amundsen
Lyft가 오픈소스화한 데이터 발견 UI. DataHub 경쟁.