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.
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).
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.
Čištění dat je rozpoznávání a oprava chybných, duplicitních nebo nekonzistentních záznamů v datových souborech. Typickými kroky jsou sjednocení pravopisu a formátů data, odstranění nadbytečných mezer a slučování duplicit, například „Novák s.r.o.“ a „Novák, spol. s r.o.“. Čistá data jsou předpokladem spolehlivých analýz, hromadných rozesílek i aplikací s AI.
Strojové učení je odvětví umělé inteligence, v němž počítače odvozují vzorce z dat, místo aby měly každé pravidlo explicitně naprogramované. Podle úlohy se modely učí z označených příkladů (s učitelem), z neoznačených dat (bez učitele) nebo prostřednictvím odměn (zpětnovazební učení). Aplikace sahají od filtrů spamu a předpovědí poptávky po doporučování produktů. Kvalita výrazně závisí na množství a kvalitě trénovacích dat.
