Valvottu oppiminen perustuu vahvasti algoritmeille tarjottavan tiedon laatuun. Tietojen esikäsittely ja ominaisuustekniikka ovat olennaisia askeleita, jotka vaikuttavat koneoppimismallien tarkkuuteen ja tehokkuuteen. Tietojen asianmukainen käsittely takaa, että mallit oppivat mielekkäitä malleja ja yleistyvät hyvin uuteen dataan.

Tietojen esikäsittely

Tietojen esikäsittelyssä on kyse raakadatan puhdistamisesta ja muuntamisesta malliksi sopivaksi muodoksi. Tässä vaiheessa käsitellään esimerkiksi puuttuvia arvoja, melua ja epäjohdonmukaisuuksia. Tekniikoita ovat normalisointi, skaalaus ja kategoristen muuttujien koodaus.

Ominaisuustekniikka

Ominaisuustekniikka luo uusia ominaisuuksia tai muuttaa olemassa olevia ominaisuuksia parantaakseen mallin suorituskykyä. Se auttaa tuomaan esiin olennaista tietoa ja vähentämään dimensiota. Tehokas ominaisuustekniikka voi merkittävästi lisätä mallien ennustavaa tehoa.

Ominaisuustekniikan keskeiset tekniikat

  • Ominaisuuden valinta:[ Mallin tärkeimpien ominaisuuksien valinta.
  • Ominaisuuden uuttaminen:[ Luodaan uusia ominaisuuksia olemassa olevista tiedoista, kuten pääkomponenttianalyysi (PCA).
  • Koodaus:[ Luodaan kategoriset tiedot numeeriseen muotoon.
  • Muodonmuutos:[ Matematiikan toimintojen soveltaminen ominaisuuksiin, joilla parannetaan lineaarisuutta.