Extrakce 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).
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoFeature 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.
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.
Vektor vnoření (embedding) je seznam čísel, který vyjadřuje význam slova, věty nebo dokumentu tak, že texty s podobným obsahem leží blízko sebe. Díky tomu lze rozpoznat například to, že „výpověď“ a „ukončení smlouvy“ spolu souvisejí, přestože nemají společná slova. Embeddingy jsou základem mnoha systémů sémantického vyhledávání, doporučovacích služeb a aplikací RAG; počítají je speciálně natrénované modely.
Rozpoznávání vzorů je automatické určování pravidelností, struktur nebo opakujících se rysů v datech, jako jsou obrázky, zvuky, texty nebo naměřené hodnoty. Systémy přiřazují nová pozorování ke známým kategoriím nebo objevují skupiny bez předem daných štítků. Mezi využití patří rozpoznávání obličejů, rozpoznávání rukopisu, kontrola kvality ve výrobě a odhalování neobvyklých transakcí. Tento obor je důležitým základem strojového učení.
