Dati numerici: modalità di importazione di dati da parte di un modello mediante i vettori di caratteristiche

Finora abbiamo dato l'impressione che un modello agisca direttamente sulle righe di un set di dati. Tuttavia, i modelli importano i dati in modo un po' diverso.

Ad esempio, supponiamo che un set di dati fornisca cinque colonne, ma solo due di queste (b e d) siano caratteristiche del modello. Durante l'elaborazione dell'esempio nella riga 3, il modello acquisisce semplicemente i contenuti delle due celle evidenziate (3b e 3d) come segue?

Figura 1. Un modello che importa un esempio direttamente da un set di dati. Le colonne b e d della riga 3 sono evidenziate.
Figura 1. Non è esattamente così che un modello ottiene i suoi esempi.

In realtà, il modello acquisisce un array di valori con virgola mobile chiamato vettore di caratteristiche. Puoi considerare un vettore di caratteristiche come i valori in virgola mobile che compongono un esempio.

Figura 2. Il vettore di caratteristiche è un intermediario tra il set di dati e il modello.
Figura 2. Più vicino alla verità, ma non realistico.

Tuttavia, i vettori di caratteristiche utilizzano raramente i valori non elaborati del set di dati. In genere, devi elaborare i valori del set di dati in rappresentazioni da cui il tuo modello può apprendere meglio. Pertanto, un vettore di caratteristiche più realistico potrebbe avere il seguente aspetto:

Figura 3. Il vettore di caratteristiche contiene due valori in virgola mobile: 0,13 e 0,47. Un vettore di caratteristiche più realistico.
Figura 3. Un vettore di caratteristiche più realistico.

Un modello non produrrebbe previsioni migliori con l'addestramento sui valori effettivi nel set di dati rispetto ai valori alterati? Sorprendentemente, la risposta è no.

Devi determinare il modo migliore per rappresentare i valori del set di dati non elaborati come valori addestrabili nel vettore di caratteristiche. Questa procedura è chiamata feature engineering ed è un aspetto fondamentale del machine learning. Le tecniche di feature engineering più comuni sono:

Questa unità tratta la normalizzazione e la suddivisione in intervalli. L'unità successiva, Lavorazione dei dati categorici, tratta altre forme di preelaborazione, come la conversione di dati non numerici, come le stringhe, in valori a virgola mobile.

Ogni valore in un vettore di caratteristiche deve essere un valore in virgola mobile. Tuttavia, molte funzionalità sono naturalmente stringhe o altri valori non numerici. Di conseguenza, gran parte della creazione di funzionalità consiste nel rappresentare i valori non numerici come valori numerici. Ne vedrai di più nei moduli successivi.

Indietro
Introduzione (3 min)
Avanti
Primi passi (5 min)