특징 공학(Feature Engineering)은 기계 학습 알고리즘을 작동하기 위해 도메인 지식을 활용하여 원시 데이터를 가공하는 과정이다.
특징 공학의 과정에서 새로운 특징을 만들어 내거나 불필요한 특징을 제거할 수 있다. 특징 공학은 기계 학습 모델의 성능에 영향을 많이 미치기 때문에 기계 학습에 있어서 매우 중요한 단계이다.

특징 공학은 일반적으로 데이터 관찰, 데이터 전처리와 같은 예비적 단계를 수행한 다음에 특징 선택(Feature Selection)과 특징 추출(Feature Extraction)이 포함된 본격적 단계를 진행한다. 예비적 단계에는 데이터의 의미를 파악하기 위한 데이터 관찰 단계가 있다. 이는 문제의 속성과 데이터의 유형에 맞는 특징을 결정하는 단계이다. 다음에 실행하는 데이터 전처리 단계는 데이터를 다루기 쉬운 형태로 변환하는 것이다. 패턴의 정규화, 노이즈 제거 등 작업이 포함된다.

[네이버 지식백과] 특징 공학 (AI 용어사전)

연관 키워드 # 특징학습 # 특징추출