فیچر انجینئرنگ

In classic machine learning it is often the single biggest driver of accuracy, more than the choice of algorithm.

ایک ماڈل صرف ان پٹ سے سیکھ سکتا ہے جو آپ اسے دیتے ہیں، اور خام ڈیٹا شاذ و نادر ہی مفید شکل میں آتا ہے۔ فیچر انجینئرنگ اسے نئی شکل دیتی ہے: ٹائم اسٹیمپ سے ہفتہ کے دن کو نکالنا، گاہک کی اوسط خریداری کا حساب لگانا، زمرہ جات کو نمبروں کے طور پر انکوڈنگ کرنا، قدروں کو ایک مشترکہ رینج میں پیمانہ کرنا، یا کالموں کو تناسب میں جوڑنا۔ اچھی طرح سے، یہ الگورتھم کی ضرورت کے نمونوں کو بے نقاب کرتا ہے، لہذا عمدہ خصوصیات پر مشتمل ایک سادہ ماڈل اکثر خام ڈیٹا پر پیچیدہ ماڈل کو مات دیتا ہے۔ اس کے لیے ڈومین کے علم کی بھی ضرورت ہوتی ہے، کیونکہ یہ جانتے ہوئے کہ، 'لین دین فی منٹ' کا اشارہ فراڈ ہے جو ایک طاقتور خصوصیت پیدا کرتا ہے۔ کلاسک خطرہ ڈیٹا کا رساو ہے، غلطی سے معلومات سے ایک ایسی خصوصیت بنانا جو پیشین گوئی کے وقت دستیاب نہیں ہوگی، جو ٹیسٹ کے اسکور کو بڑھاتی ہے لیکن پیداوار میں ناکام ہوجاتی ہے۔ گہری تعلیم اس میں سے کچھ کو خودکار بناتی ہے، لیکن ساختی/ٹیبلر مسائل اب بھی اس پر بہت زیادہ انحصار کرتے ہیں۔