📚 상식 퀴즈 해설

Q. 데이터 사이언스에서 "피처 엔지니어링(Feature Engineering)"의 목적은 무엇인가요?

피처 엔지니어링(Feature Engineering)은 원시 데이터에서 머신러닝 모델의 학습에 유용한 특징(feature)을 추출하고 변환하는 과정입니다. 데이터 사이언스에서 '데이터를 어떻게 가공하느냐'가 모델 성능의 80%를 결정한다는 말이 있을 정도로 핵심적인 단계입니다. 예를 들어 주택 가격 예측 모델에서 '건축년도' 원시 데이터를 '건물 나이(현재년도-건축년도)'로 변환하거나, '주소' 데이터에서 '강남 여부(0/1)'라는 새 특징을 만들어내는 것이 피처 엔지니어링입니다. 텍스트 데이터에서 단어 빈도(TF-IDF)를 추출하거나, 날짜에서 요일·분기를 파생시키거나, 여러 변수를 조합하여 새 변수를 만드는 것도 포함됩니다. 최근에는 딥러닝이 자동으로 특징을 학습하는 경우도 있지만, 정형 데이터에서는 여전히 수동 피처 엔지니어링이 중요합니다.