Pojmovnik

Inženjering i izdvajanje obilježja (feature engineering)

Što je Inženjering i izdvajanje obilježja (feature engineering)?

Inženjering obilježja (feature engineering) znači odabir, transformaciju i stvaranje atributa (obilježja) iz neobrađenih podataka kako bi algoritam učenja lakše prepoznao obrasce. Izdvajanje obilježja iz složenih podataka poput teksta, slika ili signala izvodi kompaktne, smislene vrijednosti. Primjer: pojedinačni zapisi o kupnji pretvaraju se u obilježja poput „dana od posljednje kupnje” ili „prosječne vrijednosti narudžbe”, što može osjetno poboljšati predviđanje odlaska klijenata.

Teme

Strojno učenje
Priprema podataka
Funkcije

Isprobajte KI.ordo

Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.

Pokrenite demo

← Svi pojmovi

Srodni pojmovi

Izdvajanje značajki

Izdvajanje značajki postupak je izvođenja smislenih vrijednosti iz neobrađenih podataka kako bi ih model mogao učinkovito obrađivati. Umjesto milijuna pojedinačnih piksela sustav može upotrebljavati rubove, boje ili oblike; tekstovi se pretvaraju u težine riječi ili vektore umetanja (embeddinge). Dobre značajke smanjuju količinu podataka, snižavaju računalne troškove i često povećavaju točnost. Izdvajanje značajki ključni je dio inženjerstva značajki.

priprema podataka
inženjerstvo značajki
+1

Smanjenje dimenzionalnosti

Smanjenje dimenzionalnosti smanjuje broj obilježja u skupu podataka bez gubitka bitnih informacija. Poznate metode uključuju analizu glavnih komponenti (PCA) te t-SNE i UMAP, koji se često koriste za vizualizaciju. Ubrzava izračune, smanjuje rizik od pretreniranosti i olakšava razumijevanje podataka – primjerice kada se stotine atributa klijenata preslikaju na dvodimenzionalni grafikon na kojem su slični klijenti blizu jedni drugima.

analiza podataka
PCA
+1

Čišćenje podataka

Čišćenje podataka je prepoznavanje i ispravljanje netočnih, dvostrukih ili nedosljednih unosa u skupovima podataka. Tipični koraci uključuju ujednačavanje pisanja i formata datuma, uklanjanje suvišnih razmaka i spajanje duplikata poput „Horvat d.o.o.” i „Horvat d. o. o.”. Čisti podaci preduvjet su pouzdanih analiza, masovnih slanja i UI aplikacija.

kvaliteta podataka
duplikati
+1

Predložak

Strojno učenje

Strojno učenje je grana umjetne inteligencije u kojoj računala iz podataka izvode obrasce umjesto da im se svako pravilo izričito programira. Ovisno o zadatku, modeli uče iz označenih primjera (nadzirano), iz neoznačenih podataka (nenadzirano) ili putem nagrada (podržano). Primjene sežu od filtara za spam i prognoza potražnje do preporuka proizvoda. Kvaliteta uvelike ovisi o količini i kvaliteti podataka za treniranje.

osnove
UI
+1