IA y Machine Learning · revisado en julio de 2026
Ingeniería de características
La ingeniería de características (feature engineering) es el proceso de crear, transformar o seleccionar las variables de entrada (características o features) que un modelo de machine learning usará para aprender, con el objetivo de que capturen mejor el patrón que se quiere predecir. A menudo tiene más impacto en la calidad del modelo final que el algoritmo elegido.
Preguntas frecuentes
¿Puedes dar un ejemplo de feature engineering?
A partir de una fecha de compra se pueden derivar nuevas características como el día de la semana, si fue fin de semana, o los días transcurridos desde la última compra — información que el modelo no vería directamente en la fecha cruda.
¿Qué es codificar (encoding) una variable categórica?
Es convertir una variable de texto (como 'rojo', 'verde', 'azul') en una representación numérica que el modelo pueda procesar, por ejemplo mediante one-hot encoding, que crea una columna binaria por cada categoría.
¿Por qué es importante escalar las variables numéricas?
Porque muchos algoritmos son sensibles a la escala: una variable en millones y otra en decenas puede hacer que el modelo le dé peso desproporcionado a la primera solo por su magnitud, no por su relevancia real.