Feature Engineering

Question 1

Was ist Feature Engineering?
Was ist wichtig dafür?

Answer 1

• Erstellung neuer Merkmale basierend auf dem Wissen über die aktuellen Daten, ihren Kontext und der erforderlichen Aufgabe
• Gutes Datenverständnis notwendig (Zusammenarbeit mit Fachexperten ist gut)

Question 2

Wie werden interaktive Merkmale/interaction features errechnet?

Answer 2

Durch Subtrakion, Addition, Multiplikation oder Division von mindestens zwei Merkmalen

Question 3

Erkläre Feature Engineering an Hand vom Beispiel eines Zeitstempels

Answer 3

• Reiner Zeitstempel für Modelle nicht nützlich
• Aufsplitten des Zeitstempels kann Mehrwert geben für Analyse
• Originalspalte kann danach gelöscht werden

Question 4

Erkläre Feature Engineering an Hand vom Beispiel wenn Start- und Endzeit angegeben ist

Answer 4

• Kann zB Mehrwert haben die Zeitdifferenz auszurechnen
• Originalspalten können danach evtl gelöscht werden

Question 5

Aus was kann man noch neue Merkmale errechnen?

Answer 5

Aus geographischen Merkmalen

Question 6

Was ist Binarisierung?
Warum kann es gut sein für Machine Learning?

Answer 6

• Ein Merkmal wird auf zwei Merkmalsausprägungen reduziert (meist 0 und 1)
• Könnte stabiler und effizienter sein für Modelle

Question 7

Erkläre Binarisierung anhand vom Beispiel Netflix und Empfehlsysteme

Answer 7

• Für Empfehlsystem ist es wichtig ob ein Film/Serie angeschaut wurde und nicht wie häufig
• Also Häufigkeit reduzieren auf angeschaut ja oder nein wäre gut

Question 8

Was ist Binning?

Answer 8

Unterteilung eines Merkmals in einzelne Intervalle, auch Bins genannt

Question 9

Warum ist Binning ein wichtiges Werkzeug bei personenbezogenen Daten?

Answer 9

Gut um Daten zu anonymisieren bzw. pseudonymisieren

Question 10

Gib 3 Beispiele an mit welchen Daten Binning gemacht werden kann

Answer 10

• Alter (zB 24 in Bin 20+ und 42 in Bin 40+)
• Länder in Kontinente (Österreich in Bin Europa)
  Temperatur (0-10 in Bin Kalt, 10-20 in Bin Warm, 20-30 in Bin Heiß)