Redukce dimenzionality snižuje počet rysů v datovém souboru, aniž by se ztratily podstatné informace. K známým metodám patří analýza hlavních komponent (PCA) a také t-SNE a UMAP, které se často používají pro vizualizaci. Urychluje výpočty, snižuje riziko přeučení a usnadňuje pochopení dat – například když se stovky atributů zákazníků zobrazí na dvourozměrném grafu, kde podobní zákazníci leží blízko sebe.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoExtrakce příznaků je proces, při kterém se ze surových dat získávají smysluplné hodnoty, aby je model mohl zpracovat efektivně. Místo milionů jednotlivých pixelů může systém pracovat s hranami, barvami nebo tvary; texty se převádějí na váhy slov nebo vektory embeddingů. Dobré příznaky zmenšují objem dat, snižují výpočetní náročnost a často zlepšují přesnost. Extrakce příznaků je základní součástí návrhu příznaků (feature engineering).
Shlukování (clustering) je metoda učení bez učitele, která rozděluje datové body do skupin podle jejich podobnosti, bez předem daných kategorií. Odhaluje vzorce, které dosud nikdo nepojmenoval – například zákaznické segmenty s podobným nákupním chováním. U textů pomáhá shlukování roztřídit stovky zákaznických dotazů do témat, jako je doručení, fakturace nebo reklamace, a ukazuje, kde leží těžiště.
K přeučení (overfitting) dochází, když si model zapamatuje trénovací data včetně náhodných zvláštností a šumu, místo aby zachytil obecně platné vzory. Pak působí na známých datech velmi přesně, ale na nových datech si vede špatně. Typickým znakem je velký rozdíl mezi chybou na trénovacích a testovacích datech. Pomáhá více nebo rozmanitější dat, jednodušší modely, regularizace, dropout a křížová validace.
Feature engineering znamená výběr, transformaci a tvorbu atributů (rysů) ze surových dat, aby algoritmus učení mohl snáze rozpoznat vzorce. Extrakce rysů odvozuje kompaktní, smysluplné hodnoty ze složitých dat, jako jsou texty, obrázky nebo signály. Příklad: jednotlivé nákupní záznamy se převedou na rysy jako „dny od posledního nákupu“ nebo „průměrná hodnota objednávky“, což může znatelně zlepšit predikci odchodu zákazníků.
