{"id":5958,"date":"2026-04-20T14:31:21","date_gmt":"2026-04-20T17:31:21","guid":{"rendered":"https:\/\/thiagorossi.com.br\/blog\/?p=5958"},"modified":"2026-04-20T14:40:02","modified_gmt":"2026-04-20T17:40:02","slug":"engenharia-de-atributos-no-rubix-ml","status":"publish","type":"post","link":"https:\/\/thiagorossi.com.br\/blog\/engenharia-de-atributos-no-rubix-ml\/","title":{"rendered":"Engenharia de Atributos no Rubix ML"},"content":{"rendered":"Tempo de leitura: <\/span> 5<\/span> minutos<\/span><\/span>\n

Engenharia de Atributos no Rubix ML: No artigo anterior, aprendemos a “limpar a refinaria” com os Transformers. Agora, entramos na fase mais art\u00edstica e estrat\u00e9gica da Ci\u00eancia de Dados: a Engenharia de Atributos (Feature Engineering)<\/strong>. Se os dados s\u00e3o o combust\u00edvel, a engenharia de atributos \u00e9 a tunagem do motor.<\/p>\n\n\n\n

Como especialista em Rubix ML<\/strong>, preparei este quinto guia para mostrar que, no Machine Learning, “menos \u00e9 mais”. Vamos descobrir como selecionar e criar as melhores caracter\u00edsticas para o seu dataset, eliminando o ru\u00eddo que confunde seus algoritmos e alcan\u00e7ando uma precis\u00e3o cir\u00fargica em suas predi\u00e7\u00f5es.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Engenharia de Atributos: A Arte de Criar e Selecionar Dados de Elite no Rubix ML<\/h2>\n\n\n\n

Engenharia de Atributos no Rubix ML: Muitos desenvolvedores acreditam que, para melhorar um modelo, basta jogar mais dados nele. No entanto, incluir colunas irrelevantes \u2014 como o “ID do usu\u00e1rio” ou a “Cor favorita” para prever o sucesso de uma contrata\u00e7\u00e3o, por exemplo, \u2014 cria o que chamamos de ru\u00eddo<\/strong>. O ru\u00eddo distrai o algoritmo, aumenta o tempo de treinamento e, pior, causa o overfitting<\/em> (quando o modelo decora o passado, mas falha em prever o futuro).<\/p>\n\n\n\n

A Engenharia de Atributos<\/strong> consiste em dois processos principais:<\/p>\n\n\n\n

    \n
  1. Cria\u00e7\u00e3o de Atributos:<\/strong> Transformar dados brutos em algo mais significativo.<\/li>\n\n\n\n
  2. Sele\u00e7\u00e3o de Atributos:<\/strong> Escolher apenas as colunas que realmente t\u00eam poder preditivo.<\/li>\n<\/ol>\n\n\n\n
    <\/div>\n\n\n\n

    1. O Problema da Dimensionalidade (A Maldi\u00e7\u00e3o)<\/h2>\n\n\n\n

    No Rubix ML, cada coluna do seu dataset \u00e9 uma “dimens\u00e3o”. Quanto mais dimens\u00f5es voc\u00ea tem, mais esparsos os dados se tornam e mais dif\u00edcil \u00e9 para o modelo encontrar padr\u00f5es reais. Isso \u00e9 conhecido como a “Maldi\u00e7\u00e3o da Dimensionalidade”.<\/p>\n\n\n\n

    Imagine que voc\u00ea est\u00e1 analisando dados p\u00fablicos de S\u00e3o Jos\u00e9 do Rio Preto. Se voc\u00ea incluir 200 colunas sobre uma licita\u00e7\u00e3o, o modelo pode achar correla\u00e7\u00f5es aleat\u00f3rias onde elas n\u00e3o existem. A engenharia de atributos serve para filtrar esse excesso.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    2. Sele\u00e7\u00e3o de Atributos com Rubix ML<\/h2>\n\n\n\n

    A biblioteca oferece ferramentas poderosas para identificar quais colunas s\u00e3o “estrelas” e quais s\u00e3o apenas figurantes.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    A. Filtros de Vari\u00e2ncia (Variance Threshold)<\/h3>\n\n\n\n

    Colunas onde o valor quase n\u00e3o muda (ex: uma coluna “Pa\u00eds” onde 99% \u00e9 “Brasil”) n\u00e3o ajudam o modelo a distinguir nada. Elas t\u00eam baixa vari\u00e2ncia.<\/p>\n\n\n\n

    PHP<\/p>\n\n\n\n

    use Rubix\\ML\\Transformers\\VarianceThreshold;\n\n\/\/ Remove colunas onde a vari\u00e2ncia \u00e9 menor que 0.1\n$transformer = new VarianceThreshold(0.1);\n$dataset->apply($transformer);\n<\/code><\/pre>\n\n\n\n
    <\/div>\n\n\n\n
    B. Import\u00e2ncia de Atributos (Feature Importance)<\/h3>\n\n\n\n
    Alguns algoritmos, como o Random Forest<\/strong>, conseguem nos dizer exatamente quanto cada coluna contribuiu para a decis\u00e3o final.<\/p>\n\n\n\n
    PHP<\/p>\n\n\n\n
    use Rubix\\ML\\Classifiers\\RandomForest;\nuse Rubix\\ML\\Datasets\\Labeled;\n\n$estimator = new RandomForest(100);\n$estimator->train($dataset);\n\n\/\/ Retorna um array com o peso de import\u00e2ncia de cada coluna\n$importances = $estimator->featureImportances();\nprint_r($importances);\n<\/code><\/pre>\n\n\n\n
    <\/div>\n\n\n\n
    3. Constru\u00e7\u00e3o de Atributos: Criando Valor do Nada<\/h2>\n\n\n\n
    \u00c0s vezes, a informa\u00e7\u00e3o que o algoritmo precisa n\u00e3o est\u00e1 em uma \u00fanica coluna, mas na rela\u00e7\u00e3o entre elas.<\/p>\n\n\n\n
    <\/div>\n\n\n\n
    Exemplo Pr\u00e1tico: Datas<\/h3>\n\n\n\n
    Uma data de nascimento isolada n\u00e3o serve para muita coisa. Mas, ao subtra\u00ed-la da data atual, voc\u00ea cria a coluna Idade<\/strong>, que \u00e9 um atributo preditivo fort\u00edssimo.<\/p>\n\n\n\n
    <\/div>\n\n\n\n
    Exemplo Pr\u00e1tico: Texto<\/h3>\n\n\n\n
    Em um blog, por exemplo, o tamanho do coment\u00e1rio pode ser um indicador de “Spam” vs “D\u00favida”. Criar uma coluna tamanho_texto<\/code> a partir do corpo do coment\u00e1rio \u00e9 engenharia de atributos pura.<\/p>\n\n\n\n
    <\/div>\n\n\n\n
    4. Redu\u00e7\u00e3o de Dimensionalidade: PCA (Principal Component Analysis)<\/h2>\n\n\n\n
    E se voc\u00ea realmente precisar de muitos dados, mas quiser condens\u00e1-los? O PCA<\/strong> \u00e9 uma t\u00e9cnica matem\u00e1tica que combina v\u00e1rias colunas em um n\u00famero menor de “componentes principais”, retendo a maior parte da informa\u00e7\u00e3o original, mas eliminando a redund\u00e2ncia.<\/p>\n\n\n\n
    <\/div>\n\n\n\n
    Exemplo no Rubix ML:<\/h3>\n\n\n\n
    PHP<\/p>\n\n\n\n
    use Rubix\\ML\\Transformers\\PrincipalComponentAnalysis;\n\n\/\/ Reduz o dataset para apenas as 3 caracter\u00edsticas mais significativas\n$transformer = new PrincipalComponentAnalysis(3);\n$dataset->apply($transformer);\n<\/code><\/pre>\n\n\n\n
    <\/div>\n\n\n\n
    5. Exemplo Real: Otimizando um portal de empregos<\/h2>\n\n\n\n
    Vamos aplicar engenharia de atributos para prever o sal\u00e1rio de uma vaga de TI.<\/p>\n\n\n\n
    Dados Brutos:<\/strong><\/p>\n\n\n\n