Selección de Características (Feature Selection)

Es una técnica fundamental en el ámbito de la inteligencia artificial y el machine learning que consiste en identificar y seleccionar las variables más relevantes de un conjunto de datos.

Su objetivo principal es mejorar el rendimiento de los modelos al reducir la dimensionalidad del espacio de características, eliminando datos redundantes o irrelevantes.

Este enfoque ayuda a disminuir el riesgo de sobreajuste, acelera el proceso de entrenamiento y mejora la interpretabilidad de los modelos.

La selección puede realizarse mediante métodos automáticos, manuales o híbridos, categorizados en métodos de filtrado, envoltura o basados en modelos.

En el filtrado, las características son evaluadas independientemente del modelo, utilizando métricas estadísticas.

En el enfoque de envoltura, se evalúan subconjuntos de características probando directamente con un modelo específico.

Por último, los métodos basados en modelos seleccionan características durante el propio entrenamiento, aprovechando propiedades internas de algoritmos como árboles de decisión o regresión lineal.