Presná definícia
Čo znamená priestor príznakov?
Priestor príznakov je množina všetkých vektorov alebo štruktúr hodnôt, ktoré môže mať reprezentácia vstupu po kódovaní. Jeho osi zodpovedajú príznakom, no prípustné body často ležia iba na malej, štruktúrovanej časti priestoru. Rozmer, škála, metrika a sparsita ovplyvňujú algoritmus aj význam podobnosti. Priestor príznakov nie je surový svet: je výsledkom modelovacieho výberu, ktorý môže stratiť informáciu alebo pridať únik.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri zákazníckych dátach môže priestor obsahovať vek, agregácie nákupov a one-hot kategórie; textový model používa vysokorozmerné vnorenia. Pipeline určí poradie stĺpcov, jednotky, kódovanie neznámych kategórií a chýbajúce hodnoty. Vzdialenostné metódy vyžadujú škálovanie a kontrolu prekliatia rozmernosti. Produkčný validátor odmietne nesprávny tvar a sleduje body mimo tréningovej podpory. Výber príznakov sa robí iba na tréningu a hodnotí aj podľa stability a dostupnosti v čase predikcie, nielen podľa korelácie so štítkom.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo predstavuje os priestoru?
Jednu číselnú alebo zakódovanú zložku reprezentácie, nie vždy priamo ľudsky pomenovateľnú vlastnosť.
Je priestor príznakov totožný so vstupnými dátami?
Nie. Vzniká transformáciou, výberom a kódovaním surového záznamu.
Prečo záleží na škálovaní?
Bez neho môže príznak s veľkými jednotkami dominovať vzdialenosti a optimalizácii.
Môže byť každý vektor reálnym príkladom?
Nie. Kombinácie môžu porušovať fyzické alebo logické vzťahy medzi príznakmi.
Ako sa sleduje drift v priestore?
Jednorozmernými aj viacrozmernými porovnaniami s dôrazom na oblasti relevantné pre predikciu.