Sanasto

Piirteiden suunnittelu ja poiminta

Mikä on Piirteiden suunnittelu ja poiminta?

Piirteiden suunnittelu (feature engineering) tarkoittaa ominaisuuksien (piirteiden) valitsemista, muuntamista ja luomista raakadatasta, jotta oppimisalgoritmi havaitsee kuviot helpommin. Piirteiden poiminta johtaa tiiviitä, merkityksellisiä arvoja monimutkaisesta datasta, kuten tekstistä, kuvista tai signaaleista. Esimerkki: yksittäisistä ostotapahtumista muodostetaan piirteitä, kuten ”päiviä viime ostosta” tai ”keskimääräinen tilausarvo”, mikä voi parantaa asiakaspoistuman ennustetta merkittävästi.

Aiheet

Koneoppiminen
Datan valmistelu
Ominaisuudet

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Piirteiden irrotus

Piirteiden irrotus (feature extraction) tarkoittaa merkityksellisten arvojen johtamista raakadatasta, jotta malli pystyy käsittelemään sitä tehokkaasti. Miljoonien yksittäisten pikselien sijaan järjestelmä voi käyttää reunoja, värejä tai muotoja; tekstit muunnetaan sanapainoiksi tai upotusvektoreiksi (embedding). Hyvät piirteet pienentävät datamäärää, vähentävät laskentatyötä ja parantavat usein tarkkuutta. Piirteiden irrotus on keskeinen osa piirresuunnittelua.

datan valmistelu
piirresuunnittelu
+1

Ulottuvuuksien vähentäminen

Ulottuvuuksien vähentäminen pienentää aineiston piirteiden määrää menettämättä olennaista tietoa. Tunnettuja menetelmiä ovat pääkomponenttianalyysi (PCA) sekä t-SNE ja UMAP, joita käytetään usein visualisointiin. Se nopeuttaa laskentaa, vähentää ylisovittamisen riskiä ja tekee datasta helpommin hahmotettavaa – esimerkiksi kun sadat asiakasominaisuudet kuvataan kaksiulotteiselle kaaviolle, jossa samankaltaiset asiakkaat sijaitsevat lähellä toisiaan.

data-analyysi
PCA
+1

Datan puhdistus

Datan puhdistus tarkoittaa virheellisten, päällekkäisten tai epäjohdonmukaisten merkintöjen havaitsemista ja korjaamista aineistoissa. Tyypillisiä vaiheita ovat kirjoitusasujen ja päivämäärämuotojen yhtenäistäminen, ylimääräisten välilyöntien poistaminen sekä kaksoiskappaleiden, kuten ”Virtanen Oy” ja ”Virtanen Osakeyhtiö”, yhdistäminen. Puhdas data on edellytys luotettaville analyyseille, postituksille ja tekoälysovelluksille.

datan laatu
kaksoiskappaleet
+1

Malli

Koneoppiminen

Koneoppiminen on tekoälyn haara, jossa tietokoneet johtavat kuvioita datasta sen sijaan, että jokainen sääntö ohjelmoitaisiin erikseen. Tehtävästä riippuen mallit oppivat merkityistä esimerkeistä (ohjattu oppiminen), merkitsemättömästä datasta (ohjaamaton oppiminen) tai palkkioiden kautta (vahvistusoppiminen). Sovelluksia ovat roskapostisuodattimista ja kysyntäennusteista tuotesuosituksiin. Laatu riippuu vahvasti koulutusdatan määrästä ja laadusta.

perusteet
tekoäly
+1