Slovník pojmov

Inžinierstvo a extrakcia príznakov

Čo je Inžinierstvo a extrakcia príznakov?

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.

Témy

Strojové učenie
Príprava údajov
Funkcie

Vyskúšajte KI.ordo

Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.

Spustiť demo

← Všetky pojmy

Súvisiace pojmy

Extrakcia príznakov

Extrakcia 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.

príprava dát
inžinierstvo príznakov
+1

Redukcia dimenzionality

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.

analýza údajov
PCA
+1

Čistenie údajov

Čistenie údajov je odhaľovanie a oprava nesprávnych, duplicitných alebo nekonzistentných záznamov v súboroch údajov. Typické kroky zahŕňajú zjednotenie pravopisu a formátov dátumov, odstránenie nadbytočných medzier a zlučovanie duplicít, napríklad „Novák s.r.o.“ a „Novák, spol. s r.o.“. Čisté údaje sú predpokladom spoľahlivých analýz, hromadných e-mailov a aplikácií s AI.

kvalita údajov
duplicity
+1

Šablóna

Strojové učenie

Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.

základy
AI
+1