Γλωσσάριο

Εξαγωγή χαρακτηριστικών

Τι είναι Εξαγωγή χαρακτηριστικών;

Η εξαγωγή χαρακτηριστικών είναι η διαδικασία με την οποία προκύπτουν χρήσιμες τιμές από ακατέργαστα δεδομένα, ώστε ένα μοντέλο να μπορεί να τις επεξεργάζεται αποτελεσματικά. Αντί για εκατομμύρια μεμονωμένα εικονοστοιχεία, ένα σύστημα μπορεί να χρησιμοποιεί ακμές, χρώματα ή σχήματα· τα κείμενα μετατρέπονται σε βάρη λέξεων ή σε διανύσματα embedding. Τα καλά χαρακτηριστικά μειώνουν τον όγκο δεδομένων, περιορίζουν την υπολογιστική προσπάθεια και συχνά βελτιώνουν την ακρίβεια. Η εξαγωγή χαρακτηριστικών αποτελεί βασικό μέρος της μηχανικής χαρακτηριστικών.

Θέματα

προετοιμασία δεδομένων
μηχανική χαρακτηριστικών
μοντελοποίηση

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Μηχανική και εξαγωγή χαρακτηριστικών

Η μηχανική χαρακτηριστικών (feature engineering) σημαίνει την επιλογή, τον μετασχηματισμό και τη δημιουργία γνωρισμάτων (χαρακτηριστικών) από ακατέργαστα δεδομένα, ώστε ένας αλγόριθμος μάθησης να εντοπίζει ευκολότερα μοτίβα. Η εξαγωγή χαρακτηριστικών (feature extraction) παράγει συμπαγείς, ουσιαστικές τιμές από σύνθετα δεδομένα, όπως κείμενο, εικόνες ή σήματα. Παράδειγμα: μεμονωμένες εγγραφές αγορών μετατρέπονται σε χαρακτηριστικά όπως «ημέρες από την τελευταία αγορά» ή «μέση αξία παραγγελίας», τα οποία μπορούν να βελτιώσουν αισθητά μια πρόβλεψη διαρροής πελατών.

Μηχανική μάθηση
Προετοιμασία δεδομένων
+1

Μείωση διαστατικότητας

Η μείωση διαστατικότητας περιορίζει τον αριθμό των χαρακτηριστικών ενός συνόλου δεδομένων χωρίς να χάνονται οι ουσιώδεις πληροφορίες. Γνωστές μέθοδοι είναι η ανάλυση κύριων συνιστωσών (PCA), καθώς και οι t-SNE και UMAP, που χρησιμοποιούνται συχνά για οπτικοποίηση. Επιταχύνει τους υπολογισμούς, μειώνει τον κίνδυνο υπερπροσαρμογής και κάνει τα δεδομένα ευκολότερα κατανοητά – για παράδειγμα όταν εκατοντάδες χαρακτηριστικά πελατών αποτυπώνονται σε ένα δισδιάστατο διάγραμμα, όπου παρόμοιοι πελάτες βρίσκονται κοντά.

ανάλυση δεδομένων
PCA
+1

Διάνυσμα ενσωμάτωσης (embedding)

Ένα διάνυσμα ενσωμάτωσης (embedding) είναι μια λίστα αριθμών που αναπαριστά το νόημα μιας λέξης, μιας πρότασης ή ενός εγγράφου, έτσι ώστε κείμενα με παρόμοιο περιεχόμενο να βρίσκονται κοντά. Έτσι μπορεί να αναγνωριστεί, για παράδειγμα, ότι οι λέξεις «ακύρωση» και «λύση της σύμβασης» σχετίζονται, παρότι δεν έχουν κοινές λέξεις. Τα embeddings στηρίζουν πολλά συστήματα σημασιολογικής αναζήτησης, υπηρεσίες συστάσεων και εφαρμογές RAG· υπολογίζονται από ειδικά εκπαιδευμένα μοντέλα.

διάνυσμα
σημασιολογική αναζήτηση
+1

Αναγνώριση προτύπων

Η αναγνώριση προτύπων είναι ο αυτόματος εντοπισμός κανονικοτήτων, δομών ή επαναλαμβανόμενων χαρακτηριστικών σε δεδομένα όπως εικόνες, ήχοι, κείμενα ή μετρήσεις. Τα συστήματα κατατάσσουν νέες παρατηρήσεις σε γνωστές κατηγορίες ή ανακαλύπτουν ομάδες χωρίς προκαθορισμένες ετικέτες. Στις εφαρμογές περιλαμβάνονται η αναγνώριση προσώπου, η αναγνώριση χειρογράφου, ο ποιοτικός έλεγχος στην παραγωγή και ο εντοπισμός ασυνήθιστων συναλλαγών. Ο κλάδος αποτελεί σημαντικό θεμέλιο της μηχανικής μάθησης.

βασικές έννοιες
ταξινόμηση
+1