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.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoPiirteiden 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.
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.
Upotusvektori (embedding) on lukulista, joka esittää sanan, lauseen tai dokumentin merkityksen niin, että sisällöltään samankaltaiset tekstit sijaitsevat lähellä toisiaan. Tämän ansiosta voidaan tunnistaa esimerkiksi, että ”irtisanominen” ja ”sopimuksen päättäminen” liittyvät toisiinsa, vaikka niillä ei ole yhteisiä sanoja. Upotukset ovat monien semanttisten hakujärjestelmien, suositusjärjestelmien ja RAG-sovellusten perusta; ne lasketaan erityisesti koulutetuilla malleilla.
Hahmontunnistus on säännönmukaisuuksien, rakenteiden tai toistuvien piirteiden automaattista tunnistamista datasta, kuten kuvista, äänistä, teksteistä tai mittauksista. Järjestelmät luokittelevat uusia havaintoja tunnettuihin luokkiin tai löytävät ryhmiä ilman ennalta määriteltyjä luokkia. Sovelluksia ovat kasvojentunnistus, käsinkirjoituksen tunnistus, valmistuksen laaduntarkastus ja epätavallisten tapahtumien havaitseminen. Ala on koneoppimisen tärkeä perusta.
