Dimensijų mažinimas sumažina duomenų rinkinio požymių skaičių neprarandant esminės informacijos. Gerai žinomi metodai yra pagrindinių komponenčių analizė (PCA) bei t-SNE ir UMAP, dažnai naudojami vizualizacijai. Tai pagreitina skaičiavimus, sumažina persimokymo riziką ir palengvina duomenų suvokimą – pavyzdžiui, kai šimtai klientų požymių atvaizduojami dvimatėje diagramoje, kurioje panašūs klientai išsidėsto arti vienas kito.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąPožymių išskyrimas – tai procesas, kai iš neapdorotų duomenų išgaunamos prasmingos reikšmės, kad modelis galėtų juos efektyviai apdoroti. Vietoje milijonų atskirų pikselių sistema gali naudoti kraštus, spalvas ar formas; tekstai paverčiami žodžių svoriais arba įterpinių vektoriais. Geri požymiai sumažina duomenų apimtį, skaičiavimo sąnaudas ir dažnai pagerina tikslumą. Požymių išskyrimas yra svarbi požymių inžinerijos dalis.
Klasterizavimas – neprižiūrimojo mokymosi metodas, kuris duomenų taškus suskirsto į grupes pagal panašumą be iš anksto apibrėžtų kategorijų. Jis atskleidžia dėsningumus, kurių niekas anksčiau nebuvo įvardijęs, pavyzdžiui, panašaus pirkimo elgesio klientų segmentus. Dirbant su tekstais klasterizavimas padeda šimtus klientų užklausų suskirstyti į temas, pavyzdžiui, pristatymas, sąskaitos ar skundai, ir parodo, kur sutelktas dėmesys.
Persimokymas atsiranda, kai modelis įsimena mokymo duomenis, įskaitant atsitiktinius ypatumus ir triukšmą, užuot išmokęs visuotinai galiojančių dėsningumų. Tada jis atrodo labai tikslus su pažįstamais duomenimis, bet prastai veikia su naujais. Tipiškas požymis – didelis atotrūkis tarp mokymo ir testavimo paklaidos. Priemonės: daugiau ar įvairesnių duomenų, paprastesni modeliai, reguliarizavimas, dropout ir kryžminis patikrinimas.
Požymių inžinerija – tai požymių (angl. features) atranka, transformavimas ir kūrimas iš neapdorotų duomenų, kad mokymosi algoritmas dėsningumus aptiktų lengviau. Požymių išgavimas iš sudėtingų duomenų, pavyzdžiui, teksto, vaizdų ar signalų, gauna glaustas, prasmingas reikšmes. Pavyzdys: pavieniai pirkimo įrašai paverčiami tokiais požymiais kaip „dienos nuo paskutinio pirkimo“ ar „vidutinė užsakymo vertė“, o tai gali pastebimai pagerinti klientų nutekėjimo prognozę.
