Kejuruteraan ciri

Kejuruteraan ciri ialah prosedur dalam pembelajaran mesin dan perlombongan data untuk menyediakan data ke dalam bentuk yang sesuai untuk algoritma pembelajaran mesin. Ia juga diterangkan sebagai vektorisasi ciri, transformasi data atau pembinaan ciri. Tujuan kejuruteraan ciri adalah untuk memilih ciri penting daripada data mentah dan kemudian memanipulasinya ke dalam bentuk yang sesuai untuk pembelajaran mesin atau pemodelan ramalan.

Proses kejuruteraan ciri melibatkan menukar data kepada perwakilan berangka, seperti mengukur atribut kualitatif atau menyeragamkan ciri berangka. Pelbagai teknik biasanya digunakan, termasuk pendiskrisian, normalisasi, pengagregatan, pemilihan, pengelompokan dan transformasi.

Diskretisasi melibatkan pemisahan ciri berterusan kepada nilai diskret, biasanya dikenali sebagai tong. Ini mengurangkan kebarangkalian pemasangan lampau dan memudahkan perhubungan ciri.

Normalisasi ialah proses menskalakan ciri kepada julat yang sesuai untuk algoritma tertentu yang digunakan.

Pengagregatan menjalankan operasi matematik seperti penjumlahan, purata, nilai minimum atau maksimum ke atas contoh ciri yang berkaitan.

Pemilihan biasanya melibatkan pengurangan senarai ciri yang diminati kepada subset yang lebih kecil.

Pengumpulan ialah teknik yang serupa tetapi melibatkan penggabungan ciri yang serupa dan kemudian menggunakan pengagregatan.

Transformasi melibatkan penciptaan ciri baharu daripada ciri sedia ada, yang mungkin bukan ciri untuk keupayaan pembelajaran mesin, tetapi memberikan cerapan bermakna tentang data.

Kejuruteraan ciri ialah bahagian penting dalam proses dalam banyak tugas pembelajaran mesin kerana ia boleh membawa kepada ketepatan yang lebih baik. Proses kejuruteraan ciri memerlukan pemahaman tentang algoritma pembelajaran mesin dan data serta keupayaan untuk memilih dan mengubah ciri dengan cara yang meningkatkan prestasi. Memandangkan kejayaan algoritma pembelajaran mesin sering sangat bergantung pada proses kejuruteraan ciri, ia telah menjadi bahagian yang sangat diperlukan dalam banyak tugas pembelajaran mesin.