Μηχανική Χαρακτηριστικών
Η μηχανική χαρακτηριστικών είναι η τέχνη της μετατροπής ακατέργαστων δεδομένων σε ενημερωτικές εισροές (χαρακτηριστικά) που βοηθούν ένα μοντέλο να μάθει.
Επισκόπηση
In classic machine learning it is often the single biggest driver of accuracy, more than the choice of algorithm.
Βαθιά κατάδυση
Ένα μοντέλο μπορεί να μάθει μόνο από τις εισόδους που του δίνετε και τα ανεπεξέργαστα δεδομένα σπάνια φτάνουν σε χρήσιμη μορφή. Η μηχανική χαρακτηριστικών το αναδιαμορφώνει: εξαγωγή της ημέρας της εβδομάδας από μια χρονική σήμανση, υπολογισμός της μέσης αγοράς ενός πελάτη, κωδικοποίηση κατηγοριών ως αριθμών, κλιμάκωση τιμών σε ένα κοινό εύρος ή συνδυασμός στηλών σε αναλογίες. Όταν γίνει καλά, εκθέτει τα μοτίβα που χρειάζεται ένας αλγόριθμος, επομένως ένα απλό μοντέλο με εξαιρετικές δυνατότητες συχνά ξεπερνά ένα σύνθετο μοντέλο σε ακατέργαστα δεδομένα. Απαιτεί επίσης γνώση του τομέα, καθώς γνωρίζοντας ότι, ας πούμε, οι «συναλλαγές ανά λεπτό» σηματοδοτούν την απάτη είναι αυτό που δημιουργεί ένα ισχυρό χαρακτηριστικό. Ο κλασικός κίνδυνος είναι η διαρροή δεδομένων, δημιουργώντας κατά λάθος ένα χαρακτηριστικό από πληροφορίες που δεν θα ήταν διαθέσιμες τη στιγμή της πρόβλεψης, το οποίο διογκώνει τις βαθμολογίες των δοκιμών αλλά αποτυγχάνει στην παραγωγή. Η βαθιά εκμάθηση αυτοματοποιεί ορισμένα από αυτά, αλλά τα δομημένα/πίνακα προβλήματα εξακολουθούν να βασίζονται σε μεγάλο βαθμό σε αυτό.
Τεχνική διορατικότητα
Οι κοινές τεχνικές περιλαμβάνουν την κανονικοποίηση ή την τυποποίηση (κλιμάκωση αριθμών έτσι ώστε να μην κυριαρχεί ένα μεμονωμένο χαρακτηριστικό), η κωδικοποίηση ενός πλήθους ή στόχου για κατηγορικές μεταβλητές, η δέσμευση συνεχών τιμών και η δημιουργία αλληλεπίδρασης ή συγκεντρωτικών χαρακτηριστικών. Μια κρίσιμη πειθαρχία είναι η προσαρμογή μετασχηματισμών (όπως ο μέσος όρος και η τυπική απόκλιση ενός κλιμακωτή) μόνο στα δεδομένα εκπαίδευσης και στη συνέχεια η εφαρμογή τους σε σετ επικύρωσης και δοκιμών. Ο υπολογισμός τους στο πλήρες σύνολο δεδομένων διαρρέει πληροφορίες και παράγει υπερβολικά αισιόδοξα αποτελέσματα που δεν θα διατηρηθούν στην ανάπτυξη.
Στρατηγικός αντίκτυπος
Σαφέστερες αποφάσεις
Σας βοηθά να διαχωρίσετε σαφείς τεχνικούς ισχυρισμούς από τη γλώσσα μάρκετινγκ.
Κόστος και προϋπολογισμός
Μπορείτε να κάνετε καλύτερες ερωτήσεις εφαρμογής προτού ξοδέψετε χρήματα ή χρόνο.
Ομάδα και ροή εργασίας
Οι ομάδες με κοινή κατανόηση λαμβάνουν καλύτερες αποφάσεις για προϊόντα, πολιτικές και μάθηση.
Το Μέλλον της Μηχανικής Χαρακτηριστικών
Το Deep Learning έχει αυτοματοποιημένη εξαγωγή δυνατοτήτων για εικόνες, ήχο και κείμενο, όπου τα δίκτυα μαθαίνουν αναπαραστάσεις απευθείας από ακατέργαστες εισόδους. Αλλά για τα δεδομένα σε πίνακα και επιχειρήσεις, που είναι τα περισσότερα εταιρικά δεδομένα, η στοχαστική μηχανική χαρακτηριστικών παραμένει καθοριστική. Το πεδίο στρέφεται προς την αυτοματοποίηση (AutoML, αυτοματοποιημένη δημιουργία χαρακτηριστικών) και τα επαναχρησιμοποιήσιμα «καταστήματα δυνατοτήτων» που επιτρέπουν στις ομάδες να μοιράζονται συνεπή, καλά δοκιμασμένα χαρακτηριστικά σε όλα τα μοντέλα. Αναμένετε περισσότερα εργαλεία που προτείνουν χαρακτηριστικά και προστατεύουν από διαρροές, ενώ η τεχνογνωσία στον ανθρώπινο τομέα παραμένει απαραίτητη για τα χαρακτηριστικά υψηλής αξίας.
Υλοποίηση σε πραγματικό κόσμο
Ανίχνευση απάτης: εξαγωγή χαρακτηριστικών όπως η συχνότητα συναλλαγών, ο χρόνος από την τελευταία αγορά και η απόσταση από τη συνηθισμένη τοποθεσία.
Πρόβλεψη ζήτησης: εξαγωγή ημέρας της εβδομάδας, σημαιών εορτών και κυλιόμενου μέσου όρου από ακατέργαστες χρονικές σημάνσεις πωλήσεων.
Πιστωτική βαθμολογία: μετατροπή της ακατέργαστης ιστορίας σε αναλογίες όπως χρέος προς εισόδημα και μετρήσεις πρόσφατων καθυστερημένων πληρωμών.
Churn Customer: συγκέντρωση δραστηριότητας σε λειτουργίες όπως συνδέσεις ανά μήνα και ημέρες από την τελευταία αφοσίωση.
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Διαφορετικές ομάδες μπορεί να χρησιμοποιούν τον ίδιο όρο με διαφορετικό τρόπο, επομένως ορίστε το πεδίο εφαρμογής νωρίς.
Τα σημεία αναφοράς μπορεί να φαίνονται ισχυρά ενώ η απόδοση στον πραγματικό κόσμο είναι άνιση.
Η αγνόηση της ποιότητας των δεδομένων και των σχεδίων αξιολόγησης δημιουργεί συχνά εύθραυστα αποτελέσματα.
Οδικός Χάρτης Εφαρμογής
Ξεκινήστε με έναν ορισμό σε απλή γλώσσα του αποτελέσματος που χρειάζεστε.
Επιλέξτε μία μέτρηση επιτυχίας και μία συνθήκη αποτυχίας πριν από τη δοκιμή.
Εκτελέστε ένα μικρό πιλότο με αντιπροσωπευτικά δεδομένα, όχι ένα εκλεπτυσμένο σετ επίδειξης.
Τεκμηριώστε πού βοηθά η Μηχανική Χαρακτηριστικών και πού είναι καλύτερες οι απλούστερες μέθοδοι.
Συνεχίστε την εξερεύνηση
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Feature Engineering quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Επόμενος οδηγός
Διοχετεύσεις μηχανικής χαρακτηριστικών και έκδοση δεδομένων
Συχνές ερωτήσεις
What is Feature Engineering?
Η μηχανική χαρακτηριστικών είναι η τέχνη της μετατροπής ακατέργαστων δεδομένων σε ενημερωτικές εισροές (χαρακτηριστικά) που βοηθούν ένα μοντέλο να μάθει. Στην κλασική μηχανική μάθηση είναι συχνά ο μεγαλύτερος παράγοντας ακρίβειας, περισσότερο από την επιλογή του αλγορίθμου.
Τι είναι η μηχανική χαρακτηριστικών;
Η μηχανική χαρακτηριστικών αφορά τη δημιουργία των εισροών (χαρακτηριστικών) από ακατέργαστα δεδομένα, ώστε το μοντέλο να μπορεί να βρει χρήσιμα μοτίβα.
Γιατί η μηχανική χαρακτηριστικών περιγράφεται συχνά ως ζωτικής σημασίας στην κλασική μηχανική εκμάθηση;
Σε δομημένα δεδομένα, τα καλά σχεδιασμένα χαρακτηριστικά συχνά έχουν μεγαλύτερη σημασία από το συγκεκριμένο μοντέλο, επομένως ένα απλό μοντέλο με εξαιρετικά χαρακτηριστικά μπορεί να κερδίσει.
Τι είναι η διαρροή δεδομένων στη μηχανική χαρακτηριστικών;
Διαρροή σημαίνει ότι ένα χαρακτηριστικό εισέρχεται κρυφά σε πληροφορίες που στην πραγματικότητα δεν θα είχατε κατά την πρόβλεψη, διογκώνοντας τις βαθμολογίες των δοκιμών αλλά αποτυγχάνει στην παραγωγή.
Κατά την κλιμάκωση χαρακτηριστικών (π.χ. τυποποίηση), πού πρέπει να υπολογίσετε τη μέση και τυπική απόκλιση;
Η τοποθέτηση του scaler μόνο στα δεδομένα προπόνησης και στη συνέχεια η εφαρμογή του αλλού, αποτρέπει τη διαρροή και παρέχει ρεαλιστικές εκτιμήσεις απόδοσης.
Ποια από αυτές είναι μια τυπική τεχνική μηχανικής χαρακτηριστικών για κατηγορικά δεδομένα;
Οι κατηγορικές μεταβλητές συνήθως μετατρέπονται σε αριθμούς μέσω κωδικοποίησης one-hot ή στόχου, ώστε τα μοντέλα να μπορούν να τις χρησιμοποιούν.