El arte de transformar datos brutos en variables que los algoritmos puedan aprovechar.
Nivel intermedio
Qué encontrará en este capítulo
4.1El problema de las escalas diferentes
4.2Comparativa de scalers
4.3Transformación logarítmica y transformaciones de potencia
4.4Binning: discretización de variables continuas
4.5Variables polinómicas e interacciones
4.6Características cíclicas: cuando el 23 y el 0 son vecinos
4.7Pipelines y ColumnTransformer: el patrón real de trabajo
7 secciones · 11 apartados · 6 ejercicios con soluciones
Capítulo 4 de 14
Objetivos de aprendizaje del capítulo (6)
Comprender por qué es necesario escalar variables y cuándo no lo es.
Aplicar estandarización, normalización y escalado robusto, y elegir entre ellos con criterio.
Transformar variables con distribuciones asimétricas (log, Box-Cox, Yeo-Johnson) y distinguir entre transformar predictores y transformar el target.
Discretizar variables continuas con técnicas de binning no supervisado (pd.cut, pd.qcut, KBinsDiscretizer) y supervisado (Weight of Evidence).
Crear variables polinómicas, splines y codificaciones cíclicas (seno/coseno) para variables temporales.
Encapsular todo el preprocesamiento en un Pipeline con ColumnTransformer para evitar fugas de información (data leakage) en validación cruzada y en producción.
