Característica (feature)

Una característica (feature) es una propiedad medible de cada ejemplo que se le da a un modelo como entrada. Si quieres predecir si un cliente pagará su crédito, las características pueden ser su ingreso, su antigüedad laboral, su historial de pagos y el monto solicitado. Lo que el modelo predice se llama etiqueta u objetivo.

Las características pueden ser numéricas (temperatura, precio), categóricas (estado de la república, tipo de producto) o más complejas, como el texto de una reseña o los píxeles de una imagen. Como los modelos trabajan con números, las categóricas y el texto deben convertirse a valores numéricos, por ejemplo, con codificación one-hot o con embeddings.

La ingeniería de características es el trabajo de elegir, limpiar, transformar y crear variables útiles: calcular «días desde la última compra» a partir de fechas o normalizar valores en escalas muy distintas. En el aprendizaje automático clásico suele ser la parte que más mejora un modelo. El aprendizaje profundo redujo esa carga porque las redes aprenden sus propias representaciones a partir de datos crudos, como imágenes o texto.

Dos advertencias. Una característica que «revela» la respuesta por accidente (por ejemplo, un campo que sólo se llena cuando el crédito ya se perdió) produce modelos que parecen excelentes y fallan en producción. Y variables aparentemente neutrales, como el código postal, pueden funcionar como sustitutos de atributos sensibles y generar sesgo algorítmico.