- 특성 공학은 raw 데이터를 알고리즘이 패턴을 학습할 수 있는 수치 표현으로 바꾸는 작업 전체다.
- 4대 축으로 외운다 — 스케일링 / 인코딩 / 결측치 / 이상치.
- 거리·경사 기반 모델(KNN, 신경망, 선형회귀)은 스케일링 필수, 트리 기반(XGBoost)은 스케일에 둔감하다.
- 명목형은 One-Hot, 서열형은 Ordinal, 고카디널리티는 타깃/빈도 인코딩·임베딩.
- 모든 변환은 train으로만 fit, test는 transform — 이 원칙 하나가 데이터 누수의 절반을 막는다.
모델 학습에서 데이터 과학자가 시간의 70~80%를 쓰는 곳은 화려한 알고리즘 튜닝이 아니라 특성 공학(feature engineering)이다. raw 데이터는 결측치가 뚫려 있고, 단위가 제각각이며, "서울/부산/대구" 같은 문자열이 섞여 있다. 모델은 이걸 그대로 못 읽는다.
MLA-C01 시험은 "이 데이터에 어떤 변환을 적용해야 하는가"를 시나리오로 끊임없이 묻는다. 알고리즘 이름보다 언제 어떤 변환을 고르는가가 핵심이다.