# credit_card_balance 데이터셋 피쳐엔지니어링

안녕하십니까,

피처 엔지니어링에 규칙이나 가이드라인을 정하기는 어렵습니다.

경험적으로, 또는 업무적으로 중요한 특성을 가지고 있는 피처들을 추측하여 여러가지 시도들을 해보는 것이 가이드라인이라면 가이드라인 일 수 있습니다.

유연하게 피처들을 생산하는 시도를 중시하는 것이 좋을 것 같습니다. 그리고 제 실습에는 어떤 경우에는 sum()이 들어가 있고, 어떤 경우에는 안들어가 있을 수 있는데, 이건 너무 피처들을 많이 만드는 것 같아서 제가 배제를 하거나, 돌려 봤는데, 큰 의미가 없어서 그런 경우들이 있습니다.

일반적으로 AutoML 툴 같은 경우는 min, max, sum, avg 등을 기계적으로 수행해서 추가적인 피처들을 만드는 경향들이 있지만, 이 보다는 업무를 이해하고 해당 업무에 적합한 피처들을 생성하는게 더 중요합니다. 그런데 이를 위해서는 업무를 이해할 필요가 있으며, 시간적인 투자가 필요합니다(본 강의는 모델 구축을 위해서는 업무 이해가 중요하다라는 큰 맥락을 가지고 만들어 졌습니다.)

요약하자면 피처 엔지니어링에 정식적인 가이드라인은 없지만, 강의에 나와있는 여러가지 피처엔지니어링 기법을 기반하여 본인만의 요령을 익힌 뒤 업무적인 특성을 파악하여 좀 더 임팩트 있는 피처들을 생성하는 것이 제가 생각하는 가이드라인이라고 할 수 있을 것 같습니다.

감사합니다.