LT
PrisijungtiPradėti
Terminų žodynas

Požymių inžinerija ir išgavimas

Kas yra Požymių inžinerija ir išgavimas?

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.

Temos

  • Mašininis mokymasis
  • duomenų paruošimas
  • Funkcijos

Išbandykite KI.ordo

Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.

Pradėti demonstraciją
← Visi terminai

Susiję terminai

Požymių išskyrimas

Požymių 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.

  • duomenų paruošimas
  • požymių inžinerija
  • +1

Dimensijų mažinimas

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.

  • duomenų analizė
  • PCA
  • +1

duomenų valymas

Duomenų valymas – tai neteisingų, besidubliuojančių ar nenuoseklių įrašų duomenų rinkiniuose aptikimas ir taisymas. Tipiniai veiksmai: rašybos ir datų formatų suvienodinimas, perteklinių tarpų šalinimas ir dublikatų, pavyzdžiui, „UAB Jonaitis“ ir „Jonaitis, UAB“, sujungimas. Švarūs duomenys yra patikimų analizių, siuntimų ir DI taikomųjų programų išankstinė sąlyga.

  • duomenų kokybė
  • dublikatai
  • +1
Šablonas

Mašininis mokymasis

Mašininis mokymasis yra dirbtinio intelekto šaka, kurioje kompiuteriai dėsningumus išveda iš duomenų, o ne turi aiškiai užprogramuotą kiekvieną taisyklę. Priklausomai nuo užduoties, modeliai mokosi iš pažymėtų pavyzdžių (su priežiūra), iš nepažymėtų duomenų (be priežiūros) arba per atlygius (sustiprintas mokymasis). Taikymai apima nuo šlamšto filtrų ir paklausos prognozių iki produktų rekomendacijų. Kokybė labai priklauso nuo mokymo duomenų kiekio ir kokybės.

  • pagrindai
  • DI
  • +1