Cos'è il Feature Engineering?
Il feature engineering è il processo di trasformazione e creazione di variabili di input (feature) per i modelli di machine learning. Sebbene i metodi di deep learning possano apprendere molte feature automaticamente, il feature engineering rimane un importante leva per le prestazioni dei modelli con dati tabulari, serie temporali e domini specializzati.
Metodi Principali
Le feature numeriche vengono trasformate tramite normalizzazione e scaling. Le variabili categoriali vengono codificate (one-hot, target encoding, embedding). Le feature temporali estraggono tendenze, stagionalità e pattern ciclici. Le feature di interazione combinano informazioni da più variabili.
Feature Store
Per il ML aziendale, i feature store gestiscono centralmente le feature calcolate, garantiscono coerenza tra addestramento e inferenza, abilitano il riutilizzo delle feature tra progetti e tracciano la provenienza delle feature per l'auditabilità. Un feature store previene il training-serving skew, una comune fonte di fallimenti dell'IA in produzione.