Définition complète
Le feature engineering consiste à transformer les données brutes en variables (features) qui maximiseront la performance d'un modèle ML : normalisation, encodage catégoriel, création de ratios, extractions temporelles, interactions. Historiquement clé du ML classique (80% du travail d'un Data Scientist). Moins crucial en deep learning (features apprises automatiquement) mais toujours nécessaire pour les données tabulaires.
Termes liés
Autres termes Machine Learning
Machine Learning (apprentissage automatique) — Sous-discipline de l'IA qui permet aux machines d'apprendre ...Apprentissage supervisé — Paradigme ML où l'algorithme apprend à partir de données éti...Apprentissage non supervisé — Paradigme ML où l'algorithme découvre seul des structures da...Apprentissage par renforcement — Paradigme ML où un agent apprend par essai/erreur avec récom...Surapprentissage (Overfitting) — Modèle qui apprend trop précisément les données d'entraîneme...Validation croisée (Cross-validation) — Technique pour évaluer la généralisation d'un modèle en déco...
Envie d'aller plus loin que la définition ?
AI2 forme à l'IA et à la data avec des programmes certifiés RNCP.