Ẹya-ẹrọ
Imọ-ẹrọ ẹya jẹ iṣẹ ọna ti yiyi data aise sinu awọn igbewọle alaye (awọn ẹya) ti o ṣe iranlọwọ fun awoṣe kan lati kọ ẹkọ.
Akopọ
In classic machine learning it is often the single biggest driver of accuracy, more than the choice of algorithm.
Jin Dive
Awoṣe le kọ ẹkọ nikan lati awọn igbewọle ti o fun ni, ati pe data aise ṣọwọn de ni fọọmu iwulo. Imọ-ẹrọ ẹya ṣe atunwo rẹ: yiyọkuro ọjọ-ọsẹ lati aami akoko kan, ṣiṣe iṣiro apapọ rira alabara, awọn ẹka fifi koodu bi awọn nọmba, awọn iye iwọn si ibiti o wọpọ, tabi apapọ awọn ọwọn sinu awọn ipin. Ti ṣe daradara, o ṣafihan awọn ilana ti algorithm nilo, nitorinaa awoṣe ti o rọrun lori awọn ẹya nla nigbagbogbo lu awoṣe eka kan lori data aise. O tun nilo imoye agbegbe, niwọn igba ti o mọ pe, sọ, 'awọn iṣowo fun iṣẹju kan' awọn ifihan agbara jegudujera jẹ ohun ti o ṣẹda ẹya ti o lagbara. Ewu Ayebaye jẹ jijo data, lairotẹlẹ kikọ ẹya kan lati alaye ti kii yoo wa ni akoko asọtẹlẹ, eyiti o fa awọn ikun idanwo ṣugbọn kuna ni iṣelọpọ. Ẹkọ ti o jinlẹ ṣe adaṣe diẹ ninu eyi, ṣugbọn awọn iṣoro eleto/tabular tun dale lori rẹ.
Imọ-imọ-ẹrọ
Awọn imọ-ẹrọ ti o wọpọ pẹlu isọdi deede tabi isọdiwọn (awọn nọmba igbelowọn nitorinaa ko si ẹya kan ti o jẹ gaba lori), ọkan-gbona tabi fifi koodu ibi-afẹde fun awọn oniyipada isori, awọn iye lilọsiwaju binning, ati ṣiṣẹda ibaraenisepo tabi awọn ẹya akojọpọ. Ẹkọ to ṣe pataki ni awọn iyipada ibamu (bii iwọn iwọn iwọn ati iyapa boṣewa) nikan lori data ikẹkọ, lẹhinna lilo wọn si afọwọsi ati awọn eto idanwo. Iṣiro wọn lori kikun data n jo alaye ati gbejade awọn abajade ireti aṣeju ti kii yoo duro ni imuṣiṣẹ.
Ipa Ilana
Awọn ipinnu diẹ sii
O ṣe iranlọwọ fun ọ lati ya sọtọ awọn iṣeduro imọ-ẹrọ lati ede tita.
Iye owo ati isuna
O le beere awọn ibeere imuse to dara julọ ṣaaju lilo owo tabi akoko.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn ẹgbẹ pẹlu oye pinpin ṣe ọja to dara julọ, eto imulo, ati awọn ipinnu ikẹkọ.
Ojo iwaju ti Ẹya-ẹrọ
Ẹkọ ti o jinlẹ ni isediwon ẹya adaṣe adaṣe fun awọn aworan, ohun, ati ọrọ, nibiti awọn nẹtiwọọki ti kọ ẹkọ awọn aṣoju taara lati awọn igbewọle aise. Ṣugbọn fun tabular ati data iṣowo, eyiti o jẹ data ile-iṣẹ pupọ julọ, imọ-ẹrọ ẹya ironu jẹ ipinnu. Aaye naa n yipada si adaṣe (AutoML, iran ẹya adaṣe adaṣe) ati atunlo 'awọn ile itaja ẹya' ti o jẹ ki awọn ẹgbẹ pin ni ibamu, awọn ẹya idanwo daradara ni gbogbo awọn awoṣe. Reti ohun elo irinṣẹ diẹ sii ti o ni imọran awọn ẹya ati awọn olusona lodi si jijo, lakoko ti imọran agbegbe eniyan duro pataki fun awọn ẹya ti o ga julọ.
Real-World imuse
Wiwa arekereke: jijade awọn ẹya bii igbohunsafẹfẹ idunadura, akoko lati rira to kẹhin, ati ijinna lati ipo deede.
Asọtẹlẹ ibeere: yiyọkuro ọjọ-ọsẹ, awọn asia isinmi, ati awọn iwọn sẹsẹ lati awọn ami akoko tita aise.
Ifimaaki kirẹditi: titan itan aise sinu awọn ipin bii gbese-si-owo oya ati awọn idiyele ti awọn sisanwo pẹ to ṣẹṣẹ.
Ibanujẹ alabara: iṣakojọpọ iṣẹ ṣiṣe sinu awọn ẹya bii awọn iwọle fun oṣu kan ati awọn ọjọ lati igba igbeyawo to kẹhin.
Awọn ewu & Awọn ọna iṣọ
Awọn ẹgbẹ oriṣiriṣi le lo ọrọ kanna ni oriṣiriṣi, nitorinaa ṣalaye iwọn ni kutukutu.
Awọn aṣepari le wo lagbara lakoko ti iṣẹ-aye gidi ko ṣe deede.
Aibikita didara data ati awọn ero igbelewọn nigbagbogbo ṣẹda awọn abajade ẹlẹgẹ.
Ilana Ilana imuse
Bẹrẹ pẹlu itumọ-ede itele ti abajade ti o nilo.
Mu metiriki aṣeyọri kan ati ipo ikuna kan ṣaaju idanwo.
Ṣiṣe awakọ kekere kan pẹlu data aṣoju, kii ṣe eto demo didan.
Iwe-ipamọ nibiti Imọ-ẹrọ Ẹya ṣe iranlọwọ ati nibiti awọn ọna ti o rọrun dara julọ.
Tesiwaju Ṣiṣawari
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
Itọsọna atẹle
Ẹya-ara Engineering Pipelines ati Data Versioning
Awọn ibeere ti a beere nigbagbogbo
What is Feature Engineering?
Imọ-ẹrọ ẹya jẹ iṣẹ ọna ti yiyi data aise sinu awọn igbewọle alaye (awọn ẹya) ti o ṣe iranlọwọ fun awoṣe kan lati kọ ẹkọ. Ninu ẹkọ ẹrọ Ayebaye nigbagbogbo jẹ awakọ ti o tobi julọ ti deede, diẹ sii ju yiyan algorithm.
Kini imọ-ẹrọ ẹya?
Imọ-ẹrọ ẹya jẹ nipa ṣiṣe awọn igbewọle (awọn ẹya) lati inu data aise ki awoṣe le rii awọn ilana to wulo.
Kini idi ti imọ-ẹrọ ẹya nigbagbogbo ṣe apejuwe bi pataki ni ikẹkọ ẹrọ Ayebaye?
Lori data ti a ṣeto, awọn ẹya ara ẹrọ ti a ṣe daradara nigbagbogbo ṣe pataki diẹ sii ju awoṣe pato lọ, nitorinaa awoṣe ti o rọrun lori awọn ẹya nla le ṣẹgun.
Kini jijo data ni imọ-ẹrọ ẹya?
Jijo tumo si ẹya kan sneaks ni alaye ti o yoo ko ni gangan nigba ti asotele, infating igbeyewo ikun sugbon aise ni gbóògì.
Nigbati awọn ẹya igbelowọn (fun apẹẹrẹ, isọdiwọn), nibo ni o yẹ ki o ṣe iṣiro aropin ati iyapa boṣewa?
Ni ibamu pẹlu iwọn lori data ikẹkọ nikan, lẹhinna lilo ni ibomiiran, ṣe idiwọ jijo ati fifun awọn iṣiro iṣẹ ṣiṣe to daju.
Ewo ninu iwọnyi jẹ ilana imọ-ẹrọ ẹya aṣoju fun data isọri?
Awọn oniyipada isori jẹ iyipada nigbagbogbo si awọn nọmba nipasẹ ọkan-gbona tabi fifi koodu ibi-afẹde ki awọn awoṣe le lo wọn.