Revisión general
Por años, mejorar las características de los datos ha sido un objetivo común en la analítica de datos, ya que desempeña un papel fundamental en el apoyo de iniciativas exitosas de inteligencia artificial. Sin embargo, antes de darse cuenta del valor de la inteligencia artificial, la ingeniería de características es esencial. Este artículo técnico ilustra algunas de las poderosas herramientas que Minitab Statistical Software proporciona para ayudar a preparar los datos.
La ingeniería de características consiste en usar el conocimiento sobre un proceso y sus datos resultantes para extraer propiedades, o características, que hacen que los modelos predictivos funcionen. En esencia, los modelos predictivos requieren datos de entrada para realizar predicciones sobre la salida de un proceso. Las características o entradas que se seleccionen para crear un modelo predictivo tendrán un gran impacto en la exactitud de las predicciones del modelo. Para aplicar la ingeniería de características de la mejor manera posible, el conocimiento de su proceso y de sus datos es clave para seleccionar características que le ayuden a crear modelos predictivos exactos. Las características que seleccione deben representar el problema subyacente que está tratando de resolver, lo que hace que la experiencia en el proceso en sí resulte sumamente importante. En Minitab, ayudamos a distintos profesionales, como expertos en procesos, científicos de datos y analistas de negocios, a aprovechar el conocimiento del proceso para encontrar soluciones basadas en datos que les permitan resolver los desafíos empresariales más difíciles.
En este artículo técnico, destacamos siete técnicas de ingeniería de características y cómo se pueden aplicar con éxito utilizando Minitab Statistical Software.
Acceda al artículo técnico de Minitab completo
