Dados numéricos: como um modelo ingere dados usando vetores de atributo

Até agora, damos a você a impressão de que um modelo atua diretamente sobre uma linhas de um conjunto de dados; No entanto, os modelos ingerem dados de maneira um pouco diferente.

Por exemplo, suponha que um conjunto de dados forneça cinco colunas, mas apenas duas delas colunas (b e d) são atributos no modelo. Durante o processamento no exemplo da linha 3, será que o modelo simplesmente captura o conteúdo da destacou duas células (3b e 3d) da seguinte maneira?

Figura 1. Um modelo que ingere um exemplo diretamente de um conjunto de dados. As colunas b e d da linha 3 estão destacadas.
Figura 1. Não exatamente como um modelo recebe exemplos.

Na verdade, o modelo ingere uma matriz de valores de ponto flutuante chamada vetor de recurso. Você pode pensar de um vetor de recurso como os valores de ponto flutuante, formando um exemplo.

Figura 2. O vetor do atributo é um intermediário entre o conjunto de dados e o modelo.
Figura 2. Mais perto da verdade, mas não realista.

No entanto, os vetores de atributo raramente usam os valores brutos do conjunto de dados. Em vez disso, você normalmente precisa processar os valores do conjunto de dados em representações que o modelo pode usar para aprender. Então, uma abordagem e o vetor de atributo pode ficar assim:

Figura 3. O vetor do elemento contém dois valores de ponto flutuante: 0,13 e 0,47. Um vetor de recurso mais realista.
Figura 3. Um vetor de recurso mais realista.

Um modelo não produziria melhores previsões com o treinamento da valores reais no conjunto de dados do que dos valores alterados? Surpreendentemente, a resposta é não.

Determine a melhor maneira de representar valores brutos de conjuntos de dados como treináveis no vetor do atributo. Esse processo é chamado engenharia de atributos, e é uma parte vital do machine learning. As técnicas mais comuns de engenharia de atributos são:

Nesta unidade, abordamos a normalização e agrupamento por classes. A próxima unidade, Como trabalhar com dados categóricos abrange outras formas de pré-processamento, como conversão de dados não numéricos, como strings, em valores de ponto flutuante.

Cada valor em um vetor de recurso precisa ser um valor de ponto flutuante. No entanto, muitos os atributos são naturalmente strings ou outros valores não numéricos. Consequentemente, boa parte da engenharia de atributos representa valores não numéricos como valores numéricos. Você vai encontrar mais informações sobre isso nos próximos módulos.

Anterior
introdução (3 min)
Próxima
Primeiras etapas (5 min)