Конструирование признаков — процесс использования предметной области для определения признаков, используемых для машинного обучения. Конструирование признаков является неформальной областью, но считается важной составляющей машинного обучения; как отмечал Эндрю Ын, «прикладное машинное обучение — в основном это конструирование признаков».
Признак может быть строго существенен (имеет информацию, которая не существует в других признаках), существенен, малосущественен (содержит информацию, которая может содержаться в других признаках) или несущественен[1]. Важно создать много признаков, даже если некоторые из них будут несущественны, затем может быть использован отбор признаков для предотвращения переобучения[2].
Взрыв признаков может быть вызван путём комбинации признаков или шаблонов признаков, что ведёт к быстрому росту общего числа признаков.
Шаблоны признаков — внедрение шаблонов признаков вместо кодирования новых признаков
Комбинации признаков — комбинации, которые не могут быть представлены в виде линейной комбинации
Существует несколько решений для останова взрыва признаков, такие как регуляризация, ядерный метод, отбор признаков[3].
Автоматическое конструирование признаков
Необходимости трудоёмкого ручного конструирования признаков можно избежать при автоматизации прикладного обучения признакам.
В 2015 году исследователи Массачусетского технологического института представили алгоритм «Deep Feature Synthesis» (глубокий синтез признаков, опубликован как открытая библиотека Featuretools) и продемонстрировали его эффективность: алгоритм переиграл 615 из 906 команд людей[4][5]. Эту работу продолжили другие исследователи, включая OneBM компании IBM[6] и ExploreKit компании Berkeley[7]. Исследователи из IBM утверждают, что автоматизация конструирования признаков «помогает сократить время исследования данных, позволяя экспериментировать на них методом проб и ошибок за короткое время. С другой стороны, это даёт возможность, не будучи экспертом, то есть, не будучи знакомым с методами анализа данных, быстро выбрать значение из данных с небольшими усилиями, временными и денежными затратами.»
Появились коммерческие продукты от новых компаний, фокусирующихся на машинном обучении, такие как H20.ai[8] и Feature Labs[9].
См. также
Примечания
