Признаки часто важнее выбора модели. Источники: знание предметной области (доля возвратов клиента, время с последней покупки), агрегаты по истории (среднее, число событий за окна), время (день недели, праздники, сезонность), взаимодействия и отношения признаков, текст и категории (частоты, target encoding, эмбеддинги). Главное правило — признак должен быть доступен на момент предсказания, иначе утечка.
А ещё Признаки проверяют на валидации, а не на интуиции: много признаков — шум и переобучение
Так подсказку видит пользователь sotto на живом собеседовании — за пару секунд, пока вы думаете вслух.
Типы признаков:
| тип | приёмы |
|---|---|
| числовые | логарифм для хвостов, биннинг, отношения |
| категориальные | one-hot, частоты, target encoding, CatBoost нативно |
| время | компоненты даты, давность, циклическое кодирование |
| история | агрегаты за окна 7, 30, 90 дней, тренды |
| текст | длина, ключевые слова, TF-IDF, эмбеддинги |
| геоданные | расстояния, плотность объектов рядом |
Утечки: агрегат посчитан с учётом будущего; признак отражает решение, принятое после события; target encoding на всей выборке.
Отбор: важность признаков, SHAP, удаление и проверка на валидации, стабильность во времени.
sotto слышит вопрос интервьюера и показывает короткий ответ и план, как в блоке «Коротко». Оставьте контакт — пришлём доступ и промокод.
sotto