Rekayasa fitur

Rekayasa fitur adalah prosedur dalam pembelajaran mesin dan penambangan data untuk menyiapkan data ke dalam bentuk yang sesuai untuk algoritma pembelajaran mesin. Ini juga digambarkan sebagai vektorisasi fitur, transformasi data, atau konstruksi fitur. Tujuan dari rekayasa fitur adalah memilih fitur-fitur penting dari data mentah dan kemudian memanipulasinya menjadi bentuk yang sesuai untuk pembelajaran mesin atau pemodelan prediktif.

Proses rekayasa fitur melibatkan transformasi data menjadi representasi numerik, seperti mengukur atribut kualitatif atau menstandardisasi fitur numerik. Berbagai teknik yang umum digunakan, termasuk diskritisasi, normalisasi, agregasi, seleksi, pengelompokan, dan transformasi.

Diskritisasi melibatkan pemisahan fitur kontinu menjadi nilai-nilai diskrit, yang biasanya dikenal sebagai bins. Hal ini mengurangi kemungkinan overfitting dan menyederhanakan hubungan fitur.

Normalisasi adalah proses penskalaan fitur ke rentang yang sesuai untuk algoritma tertentu yang digunakan.

Agregasi melakukan operasi matematika seperti penjumlahan, rata-rata, nilai minimum atau maksimum pada contoh fitur yang relevan.

Seleksi biasanya melibatkan pengurangan daftar fitur yang diinginkan menjadi subset yang lebih kecil.

Pengelompokan adalah teknik serupa tetapi melibatkan penggabungan fitur serupa dan kemudian menerapkan agregasi.

Transformasi melibatkan pembuatan fitur baru dari fitur yang sudah ada, yang mungkin bukan merupakan karakteristik kemampuan pembelajaran mesin, namun memberikan wawasan yang berarti tentang data.

Rekayasa fitur adalah bagian penting dari proses dalam banyak tugas pembelajaran mesin karena dapat meningkatkan akurasi. Proses rekayasa fitur memerlukan pemahaman tentang algoritma pembelajaran mesin dan datanya, serta kemampuan untuk memilih dan mengubah fitur dengan cara yang meningkatkan kinerja. Karena keberhasilan algoritme pembelajaran mesin sering kali sangat bergantung pada proses rekayasa fitur, algoritme ini telah menjadi bagian yang sangat diperlukan dalam banyak tugas pembelajaran mesin.