Redukcia dimenzionality znižuje počet znakov v súbore údajov bez straty podstatných informácií. Medzi známe metódy patrí analýza hlavných komponentov (PCA) a tiež t-SNE a UMAP, ktoré sa často používajú na vizualizáciu. Urýchľuje výpočty, znižuje riziko preučenia a uľahčuje pochopenie údajov – napríklad keď sa stovky atribútov zákazníkov zobrazia na dvojrozmernom grafe, kde sú podobní zákazníci blízko seba.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoExtrakcia príznakov je proces, pri ktorom sa zo surových dát odvodzujú zmysluplné hodnoty, aby ich model dokázal efektívne spracovať. Namiesto miliónov jednotlivých pixelov môže systém použiť hrany, farby alebo tvary; texty sa menia na váhy slov alebo vektory embeddingov. Dobré príznaky znižujú objem dát, zmenšujú výpočtovú náročnosť a často zlepšujú presnosť. Extrakcia príznakov je základnou súčasťou inžinierstva príznakov.
Zhlukovanie (clustering) je metóda učenia bez učiteľa, ktorá rozdeľuje dátové body do skupín podľa ich podobnosti, bez vopred definovaných kategórií. Odhaľuje vzory, ktoré predtým nikto nepomenoval – napríklad segmenty zákazníkov s podobným nákupným správaním. Pri textoch pomáha zhlukovanie roztriediť stovky dopytov zákazníkov do tém, ako je doručenie, fakturácia alebo reklamácie, a ukazuje, kde je ťažisko.
Preučenie (overfitting) nastáva, keď si model zapamätá trénovacie dáta vrátane náhodných zvláštností a šumu, namiesto toho, aby zachytil všeobecne platné vzory. Na známych dátach potom pôsobí veľmi presne, no na nových dátach podáva slabý výkon. Typickým znakom je veľký rozdiel medzi chybou na trénovacích a testovacích dátach. Protiopatrenia zahŕňajú viac či rozmanitejšie dát, jednoduchšie modely, regularizáciu, dropout a krížovú validáciu.
Inžinierstvo príznakov (feature engineering) znamená výber, transformáciu a vytváranie atribútov (príznakov) zo surových údajov, aby algoritmus učenia ľahšie rozpoznal vzorce. Extrakcia príznakov odvodzuje stručné, zmysluplné hodnoty zo zložitých údajov, ako sú texty, obrázky alebo signály. Príklad: z jednotlivých záznamov o nákupoch sa vytvoria príznaky ako „dni od posledného nákupu“ alebo „priemerná hodnota objednávky“, ktoré môžu výrazne zlepšiť predpoveď odchodu zákazníkov.
