1️⃣ Feature Engineering Là Gì? Tại Sao Quan Trọng? 🔍

Feature Engineering là quá trình:

• ✍️ Tạo ra hoặc biến đổi các biến đặc trưng từ dữ liệu gốc

• 📊 Biểu diễn thông tin theo cách mô hình dễ học nhất

• 🧠 Kết hợp domain knowledge + kỹ thuật xử lý dữ liệu → tạo signal mạnh mẽ cho model

📌 Không có feature tốt → model dễ overfit, khó đạt độ chính xác cao.
📌 Có feature tốt → Logistic Regression cũng có thể đánh bại Neural Net “dở”.

2️⃣ Quy Trình Feature Engineering 4 Bước 🧭

Bước 1: Hiểu Bài Toán & Dữ Liệu 🧠

• Đặt câu hỏi: “Yếu tố nào ảnh hưởng đến target?”

• Khám phá dữ liệu: kiểu biến, phân bố, tương quan.

• Hiểu domain: kinh doanh, hành vi người dùng, quy trình nghiệp vụ.

📌 Ví dụ churn: Recency, Frequency, Monetary (RFM) thường là key features quyết định khả năng rời bỏ khách hàng.

Bước 2: Tạo Feature Mới (Feature Creation) ✨

🔸 Từ dữ liệu thời gian (Temporal Features)

• Tách ngày thành: weekday, month, quarter, season

• Rolling window: doanh số 7 ngày gần nhất, tần suất login tuần qua

• Time since last event: số ngày từ lần mua cuối

📌 Ví dụ: days_since_last_purchase thường là feature mạnh cho bài toán dự đoán churn.

🔸 Từ dữ liệu số (Numerical Features)

• Binning: chia khoảng giá trị thành nhóm → tăng khả năng generalize
  → VD: thu nhập chia thành 5 nhóm percentile

• Polynomial features: tạo biến bình phương, tương tác (x1*x2) cho model tuyến tính.

• Transformation: log, sqrt để giảm skew.

🔸 Từ dữ liệu phân loại (Categorical Features)

• Đếm tần suất xuất hiện của category (frequency encoding).

• One-hot encoding cho biến có ít category.

• Target encoding cho biến có nhiều category (ẩn thông tin target vào encoding).

• Embeddings (cho deep learning): ánh xạ category thành vector dense.

📌 Ví dụ: “thành phố khách hàng” → one-hot cho 10 thành phố top, nhóm “khác” cho phần còn lại.

🔸 Từ quan hệ giữa các biến (Interaction Features)

• Nhân/chia giữa hai biến → tỷ lệ (ratio features).
  → VD: total_spent / number_of_orders = giá trị trung bình mỗi đơn.

• Kết hợp logic domain:
  → “Số lần mở email” * “tỉ lệ click” → score phản ứng marketing.

Bước 3: Feature Selection 🔎

Không phải feature nào tạo ra cũng dùng được. Cần lọc để tránh overfitting, tăng tốc train, giảm nhiễu.

• Filter methods:

  • Correlation heatmap (numeric)

  • Chi-square test (categorical vs target)

  • Mutual information

• Wrapper methods:

  • Recursive Feature Elimination (RFE)

  • Forward/Backward selection

• Embedded methods:

  • Lasso (L1) để loại bỏ feature thừa

  • Feature importance từ tree-based models (Random Forest, XGBoost)

📌 Giữ lại những feature có signal mạnh, loại bỏ biến nhiễu hoặc đa cộng tuyến cao.

Bước 4: Feature Validation 🧪

Không chỉ chọn feature theo trực giác — phải đánh giá xem feature có thực sự giúp model tốt hơn không.

• Train model baseline với feature gốc

• Train lại sau khi thêm feature mới

• So sánh metric (ROC-AUC, RMSE…) → nếu tăng đáng kể → giữ

• Nếu không cải thiện hoặc gây overfit → loại bỏ

📌 Đây là bước nhiều người bỏ qua → dễ nhồi nhét feature vô tội vạ rồi model “toang” 😅

3️⃣ Các Loại Feature Kinh Điển Trong Data Science 📚

4️⃣ Tránh Bẫy Feature Engineering ⚠️

• ❌ Data Leakage: tạo feature từ thông tin xảy ra sau thời điểm dự đoán.
  → VD: dùng “số lần thanh toán sau 30 ngày” để dự đoán churn 😵

• ❌ Tạo quá nhiều feature → model phình to, overfit.

• ❌ Không chuẩn hóa → feature scale lệch nhau gây lỗi.

• ❌ Không validate feature → tốn công nhưng không tăng performance.

📌 Một feature tốt = vừa có signal thực tế + không vi phạm tính logic thời gian.

5️⃣ Ví Dụ Thực Tế – Feature Engineering Cho Bài Toán Churn 🧮

Bối cảnh: E-commerce muốn dự đoán khách hàng nào sẽ rời bỏ trong 30 ngày.

Dữ liệu gốc: lịch sử đơn hàng, hành vi web, email marketing.

Feature Engineering:

• days_since_last_purchase (time feature)

• total_orders_30d (rolling count)

• avg_order_value (numerical aggregation)

• email_open_rate × click_rate (interaction)

• customer_city → one-hot top 10 city

Kết quả:

• ROC-AUC baseline (chỉ dùng demographic): 0.71

• Sau feature engineering: 0.86 🚀

• Model nhẹ, dễ deploy, business hiểu được logic từng feature

6️⃣ Best Practices Cho Feature Engineering ✅

• 🧠 Hiểu sâu business trước khi tạo feature

• 📝 Document rõ từng feature: nguồn gốc, logic, ý nghĩa

• 🔄 Tự động hóa pipeline feature để dễ deploy (dbt, Feature Store)

• ⚡ Ưu tiên feature đơn giản nhưng impactful

• 🧪 Validate thường xuyên khi data drift

📝 Kết Luận

Feature Engineering là nơi thể hiện đẳng cấp thật của Data Scientist 👑
Không phải ai viết code cũng train được model tốt — nhưng ai hiểu dữ liệu, biết “gọt giũa” đúng cách thì mô hình sẽ bứt tốc 📈

👉 Làm chủ module này, bạn có thể biến những mô hình đơn giản thành công cụ dự đoán mạnh mẽ, dễ triển khai và dễ giải thích.

📞 Hotline: 0352.433.233
🌐 mcivietnam.com
📺 youtube.com/@HocVienMCI
👥 facebook.com/groups/dataaivn