Glosar

Ingineria și extragerea caracteristicilor

Ce este Ingineria și extragerea caracteristicilor?

Ingineria caracteristicilor (feature engineering) înseamnă selectarea, transformarea și crearea de atribute (caracteristici) pornind de la date brute, astfel încât un algoritm de învățare să poată detecta mai ușor tiparele. Extragerea caracteristicilor derivă valori compacte și semnificative din date complexe, precum texte, imagini sau semnale. Exemplu: înregistrările individuale de achiziție sunt transformate în caracteristici precum „zile de la ultima achiziție” sau „valoarea medie a comenzii”, ceea ce poate îmbunătăți vizibil o predicție a pierderii clienților.

Subiecte

Învățare automată
pregătirea datelor
Funcții

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Extragerea de caracteristici

Extragerea de caracteristici este procesul prin care se obțin valori relevante din date brute, astfel încât un model să le poată prelucra eficient. În loc de milioane de pixeli individuali, un sistem poate folosi contururi, culori sau forme; textele sunt transformate în ponderi ale cuvintelor sau în vectori de embedding. Caracteristicile bune reduc volumul de date, scad efortul de calcul și îmbunătățesc adesea acuratețea. Extragerea de caracteristici este o componentă centrală a ingineriei caracteristicilor (feature engineering).

pregătirea datelor
feature engineering
+1

Reducerea dimensionalității

Reducerea dimensionalității scade numărul de caracteristici dintr-un set de date fără a pierde informațiile esențiale. Metodele cunoscute includ analiza componentelor principale (PCA), precum și t-SNE și UMAP, utilizate adesea pentru vizualizare. Accelerează calculele, reduce riscul de supraînvățare și face datele mai ușor de înțeles – de exemplu atunci când sute de atribute ale clienților sunt proiectate pe un grafic bidimensional în care clienții similari se află aproape unii de alții.

analiza datelor
PCA
+1

curățarea datelor

Curățarea datelor înseamnă depistarea și corectarea intrărilor greșite, duplicate sau neconcordante din seturile de date. Pașii tipici includ uniformizarea ortografiei și a formatelor de dată, eliminarea spațiilor în plus și îmbinarea dublurilor, precum „Popescu SRL” și „Popescu S.R.L.”. Datele curate sunt o condiție pentru analize, mailinguri și aplicații IA fiabile.

calitatea datelor
dubluri
+1

Șablon

Învățare automată

Machine learning este o ramură a inteligenței artificiale în care computerele deduc tipare din date, în loc ca fiecare regulă să fie programată explicit. În funcție de sarcină, modelele învață din exemple etichetate (supervizat), din date neetichetate (nesupervizat) sau prin recompense (prin întărire). Aplicațiile merg de la filtrele de spam și prognozele de cerere până la recomandările de produse. Calitatea depinde în mare măsură de cantitatea și calitatea datelor de antrenare.

noțiuni de bază
IA
+1