Särdragsextraktion innebär att man tar fram meningsfulla värden ur rådata så att en modell kan bearbeta dem effektivt. I stället för miljontals enskilda pixlar kan ett system använda kanter, färger eller former; texter omvandlas till ordvikter eller inbäddningsvektorer. Bra särdrag minskar datamängden, sänker beräkningsbehovet och förbättrar ofta noggrannheten. Särdragsextraktion är en central del av feature engineering.
Feature engineering innebär att välja ut, omvandla och skapa attribut (features) från rådata så att en inlärningsalgoritm lättare kan upptäcka mönster. Feature-extraktion härleder kompakta, meningsfulla värden ur komplexa data som text, bilder eller signaler. Exempel: enskilda inköpsposter görs om till features som ”dagar sedan senaste köp” eller ”genomsnittligt ordervärde”, vilket märkbart kan förbättra en prognos över kundbortfall.
Dimensionsreduktion minskar antalet variabler i en datamängd utan att den väsentliga informationen går förlorad. Välkända metoder är principalkomponentanalys (PCA) samt t-SNE och UMAP, som ofta används för visualisering. Den snabbar upp beräkningarna, minskar risken för överanpassning och gör data lättare att förstå – till exempel när hundratals kundattribut avbildas på ett tvådimensionellt diagram där liknande kunder hamnar nära varandra.
En inbäddningsvektor (embedding) är en lista med tal som representerar betydelsen av ett ord, en mening eller ett dokument så att texter med liknande innehåll hamnar nära varandra. Det gör det möjligt att till exempel se att ”uppsägning” och ”avslut av avtal” hör ihop trots att de inte delar några ord. Inbäddningar ligger till grund för många semantiska söksystem, rekommendationstjänster och RAG-applikationer; de beräknas av särskilt tränade modeller.
Mönsterigenkänning är den automatiska identifieringen av regelbundenheter, strukturer eller återkommande drag i data som bilder, ljud, texter eller mätvärden. System tilldelar nya observationer till kända kategorier eller upptäcker grupper utan fördefinierade etiketter. Tillämpningar är bland annat ansiktsigenkänning, handskriftsigenkänning, kvalitetskontroll i tillverkning och upptäckt av ovanliga transaktioner. Disciplinen är en viktig grund för maskininlärning.
