Espacio de características

En inteligencia artificial y machine learning, hace referencia al conjunto de variables o atributos que se utilizan para representar los datos de entrada en un modelo.

Cada característica en este espacio corresponde a una dimensión, y en conjunto, forman una representación matemática multidimensional de los datos.

El objetivo es que estas características capturen la información más relevante del problema para que los algoritmos puedan diferenciar patrones y realizar predicciones con precisión.

Este espacio puede ser optimizado mediante técnicas como la selección de características, que descarta las menos relevantes, o la extracción de características, que crea nuevas variables a partir de las originales.

En problemas complejos, el espacio de características puede ser muy grande o incluso infinito, como ocurre en métodos basados en kernels.

Reducir la dimensionalidad del espacio es una práctica común para facilitar el entrenamiento de los modelos y minimizar el riesgo de sobreajuste.