СледваСледващо ръководство
Увеличаване на данни
Основи
РЪКОВОДСТВО по основи
AI и данни
Данните са записаната информация, от която системата за машинно обучение се учи или обработва.
Чуйте това ръководствоAI-разказан · ~2 min
На тази страница2 минути четене
Преглед
Неговата полезност зависи от уместността, качеството на измерване, разрешенията и покритието на планираната задача. Повече записи не коригират автоматично системни грешки или липсващи популации.
Основни изводи
- Определете единицата на пример.
- Използвайте само информация, налична към момента на прогнозиране.
- Проследете произхода на данните, липсата и покритието на подгрупите.
Дълбоко гмуркане
Започнете, като дефинирате какво представлява един пример. Един ред може да описва клиент, транзакция, снимка или момент от времева поредица. Тези единици определят как трябва да работят дубликатите, етикетите и разделянията за оценка. Десет измервания от едно устройство не са непременно десет независими устройства. Функциите са входове, достъпни за модела. Етикетите са целеви резултати, използвани в контролираното обучение. Проверете кога всяка функция стане налична: причината за анулиране, записана след напускане на клиент, не може да предвиди точно това заминаване предварително. Това е форма на изтичане, дори когато полето изглежда много предсказуемо. Проверете липсващите стойности, несъответствията в анотациите, необичайните диапазони и промените в методите за събиране. Липсващата информация може да носи значение; замяната на всяка липсваща стойност с нула може да обедини неизвестно количество с реална нула. Документирайте лечението и го тествайте на представителни примери. Запишете произхода и правилата за достъп заедно с набора от данни. Един публичен URL адрес сам по себе си не дава разрешение за повторно използване на всеки елемент за всяка цел. Събирайте само информацията, необходима за задачата, и дефинирайте процедурите за запазване и изтриване. Оценете отделно за групи или условия, при които грешките иначе биха изчезнали в общата средна стойност.
04Работен пример
Намерете изтичане в набор от данни за анулиране
Представете си записи с дата на регистрация, месечно използване, дата на анулиране и причина за анулиране.
За да предвидите анулации в началото на юни, замразете всяко въвеждане на тази дата. Премахнете причините и датите, записани след времето за прогнозиране.
Тренирайте на по-ранни периоди и тествайте на по-късен недокоснат период. Сравнете резултатите със и без изтеклите полета.
Какво показва
Това упражнение по хипотетичен дизайн идентифицира невалиден пряк път, преди ласкателният резултат да стане решение за внедряване.
Внедряване в реалния свят
Разделете няколко снимки на един и същи обект, преди да разделите набор от данни за разпознаване.
Маркирайте показания на сензора извън физически приемливия диапазон за преглед.
Прилагайки го на практика
Защо има значение
- По-ясни решения. Помага ви да отделите ясните технически твърдения от маркетинговия език.
- Разходи и бюджет. Можете да задавате въпроси за по-добро внедряване, преди да харчите пари или време.
- Екип и работен процес. Екипи със споделено разбиране вземат по-добри решения за продукти, политики и обучение.
Внимавайте за
- Различните екипи могат да използват един и същи термин по различен начин, така че дефинирайте обхвата рано.
- Бенчмарковете могат да изглеждат силни, докато производителността в реалния свят е неравномерна.
- Пренебрегването на качеството на данните и плановете за оценка често създава крехки резултати.
Следващи стъпки
- Започнете с дефиниция на обикновен език за резултата, от който се нуждаете.
- Изберете един показател за успех и едно условие за неуспех преди тестване.
- Изпълнете малък пилотен проект с представителни данни, а не изпипан демонстрационен набор.
- Документирайте къде AI & Data помагат и къде по-простите методи са по-добри.
Източници и допълнителна литература
Продължете да изследвате
Безплатен бюлетин
Получавайте дневния AI бюлетин
Три проверени AI истории всяка делнична сутрин, написани на достъпен език. Безплатно завинаги, без реклами.
Един имейл всеки делничен ден. Отписване с едно кликване. Никога не продаваме и не споделяме вашия имейл адрес.
Тествайте себе си
Take the AI & Data quiz
Незабавна обратна връзка за всеки отговор и сертификат за споделяне с подлежащ на проверка идентификационен номер, след като преминете курс.
Подкрепете безплатното AI образование. AI Understanding е 501(c)(3) с нестопанска цел — без реклами, без платен достъп, никога. Направете дарение
Често задавани въпроси
Може ли голям набор от данни да е лош?
да Дублирани, неправилно етикетирани, неуместни или систематично непълни записи могат да направят голям набор от данни неподходящ за предвидената задача.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема