Fogalomtár

Jellemzőkinyerés

Mi a(z) Jellemzőkinyerés?

A jellemzőkinyerés az a folyamat, amelynek során a nyers adatokból olyan értelmes értékeket származtatunk, amelyeket egy modell hatékonyan fel tud dolgozni. Egy rendszer például több millió egyedi képpont helyett éleket, színeket vagy alakzatokat használhat; a szövegekből szósúlyok vagy beágyazási vektorok lesznek. A jó jellemzők csökkentik az adatmennyiséget, mérséklik a számítási igényt, és gyakran javítják a pontosságot. A jellemzőkinyerés a jellemzőtervezés (feature engineering) központi része.

Témák

adat-előkészítés
jellemzőtervezés
modellezés

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Jellemzőtervezés és jellemzőkinyerés

A jellemzőtervezés (feature engineering) azt jelenti, hogy a nyers adatokból attribútumokat (jellemzőket) választanak ki, alakítanak át és hoznak létre, hogy a tanuló algoritmus könnyebben ismerje fel a mintázatokat. A jellemzőkinyerés összetett adatokból – például szövegből, képből vagy jelekből – tömör, értelmes értékeket származtat. Példa: az egyes vásárlási adatokból olyan jellemzők lesznek, mint „az utolsó vásárlás óta eltelt napok” vagy „az átlagos rendelési érték”, ami érezhetően javíthatja az ügyfélelvándorlás előrejelzését.

Gépi tanulás
adat-előkészítés
+1

Dimenziócsökkentés

A dimenziócsökkentés egy adathalmaz jellemzőinek számát csökkenti anélkül, hogy a lényeges információ elveszne. Ismert módszerei a főkomponens-elemzés (PCA), valamint a gyakran vizualizációra használt t-SNE és UMAP. Gyorsítja a számítást, csökkenti a túlillesztés kockázatát, és áttekinthetőbbé teszi az adatokat – például amikor ügyfelek több száz attribútumát egy kétdimenziós diagramra képezik le, ahol a hasonló ügyfelek közel kerülnek egymáshoz.

adatelemzés
PCA
+1

Beágyazási vektor

A beágyazási vektor (embedding) számok listája, amely egy szó, mondat vagy dokumentum jelentését úgy ábrázolja, hogy a hasonló tartalmú szövegek közel kerüljenek egymáshoz. Így felismerhető például, hogy a „felmondás” és a „szerződés megszüntetése” összefügg, noha nincs bennük közös szó. A beágyazások sok szemantikus keresőrendszer, ajánlószolgáltatás és RAG-alkalmazás alapját képezik; speciálisan betanított modellek számítják ki őket.

vektor
szemantikus keresés
+1

Mintafelismerés

A mintafelismerés a szabályszerűségek, struktúrák vagy visszatérő jellemzők automatikus azonosítása olyan adatokban, mint a képek, hangok, szövegek vagy mérések. A rendszerek az új megfigyeléseket ismert kategóriákba sorolják, vagy előre megadott címkék nélkül fedeznek fel csoportokat. Alkalmazási területei például az arcfelismerés, a kézírás-felismerés, a gyártás minőségellenőrzése és a szokatlan tranzakciók felderítése. A tudományterület a gépi tanulás fontos alapja.

alapok
osztályozás
+1