feature-engine/feature_engine

해결하는 문제

Feature-engine은 기계학습 모델을 위한 특징 공학 및 선택을 위한 포괄적인 도구 세트를 제공하여, 모델 훈련을 위한 원시 데이터 준비 과정을 단순화합니다. 이 라이브러리는 모델 성능을 향상시키기 위해 원시 변수를 변환하는 문제와 결측치, 이상치, 범주형 데이터와 같은 일반적인 데이터 문제를 해결합니다.

작동 방식

이 라이브러리는 Scikit-learn API를 따르는 여러 트랜스포머로 구성되어 있으며, fit() 및 transform() 메서드를 사용합니다. 이를 통해 훈련 데이터에서 변환 파라미터를 학습하고, 훈련 세트와 테스트 세트 모두에서 일관된 변환을 적용할 수 있습니다.

대상 사용자

Python과 Scikit-learn을 사용하여 예측 모델을 구축하고 특징 공학 및 선택을 효과적으로 처리하고자 하는 데이터 과학자 및 머신러닝 엔지니어를 위한 것입니다.

주요 기능

• 다양한 결측치 처리: 평균, 중앙값, 무작위 샘플링 등을 포함한 다양한 결측치 보정 방법 제공.
• 범주형 인코딩: One-Hot, 순서형, Weight of Evidence (WoE) 인코딩 등 다양한 인코딩 기법 지원.
• 특징 선택: 상관관계가 높은 특징 제거, 일정한 특징 제거, 재귀적 특징 제거(RFE) 등의 도구 제공.
• 다양한 변환: 변수 스케일링, 이산화, 날짜/시간, 텍스트, 시계열 데이터 전용 변환 지원.
• Scikit-learn 통합: Scikit-learn 파이프라인과 완전 호환되어 기존 ML 워크플로우에 쉽게 통합 가능.