Tunnuste eraldamine on protsess, mille käigus tuletatakse toorandmetest tähenduslikud väärtused, et mudel saaks neid tõhusalt töödelda. Miljonite üksikute pikslite asemel võib süsteem kasutada servi, värve või kujundeid; tekstid muudetakse sõnakaaludeks või embedding-vektoriteks. Head tunnused vähendavad andmemahtu, alandavad arvutuskulu ja parandavad sageli täpsust. Tunnuste eraldamine on tunnuste inseneeria (feature engineering) keskne osa.
Tunnuste kujundamine (feature engineering) tähendab toorandmetest atribuutide (tunnuste) valimist, teisendamist ja loomist, et õppealgoritm tuvastaks mustreid kergemini. Tunnuste eraldamine (feature extraction) tuletab keerukatest andmetest, nagu tekstid, pildid või signaalid, kompaktseid tähendusrikkaid väärtusi. Näide: üksikutest ostukirjetest tehakse tunnused nagu „päevi viimasest ostust“ või „keskmine tellimuse väärtus“, mis võivad klientide lahkumise ennustust märgatavalt parandada.
Dimensionaalsuse vähendamine vähendab andmehulga tunnuste arvu, kaotamata olulist infot. Tuntud meetodid on peakomponentide analüüs (PCA) ning t-SNE ja UMAP, mida kasutatakse sageli visualiseerimiseks. See kiirendab arvutusi, vähendab ülesobitamise riski ja muudab andmed paremini mõistetavaks – näiteks kui sadu kliendi tunnuseid kujutatakse kahemõõtmelisel diagrammil, kus sarnased kliendid asuvad üksteise lähedal.
Sisendivektor (embedding) on arvude loend, mis esitab sõna, lause või dokumendi tähendust nii, et sarnase sisuga tekstid asuvad üksteise lähedal. See võimaldab näiteks tuvastada, et „ülesütlemine“ ja „lepingu lõpetamine“ on omavahel seotud, kuigi neil pole ühtegi ühist sõna. Sisendivektorid on paljude semantiliste otsingusüsteemide, soovitusteenuste ja RAG-rakenduste aluseks; neid arvutavad spetsiaalselt treenitud mudelid.
Mustrituvastus on andmetes, näiteks piltides, helides, tekstides või mõõtmistulemustes, esinevate seaduspärasuste, struktuuride või korduvate tunnuste automaatne tuvastamine. Süsteemid määravad uued vaatlused tuntud kategooriatesse või avastavad rühmi ilma ette antud siltideta. Rakenduste hulka kuuluvad näo- ja käekirjatuvastus, tootmise kvaliteedikontroll ning ebatavaliste tehingute märkamine. See distsipliin on masinõppe oluline alus.
