AI-skolan
Feature engineering är processen att använda domänkunskap för att skapa, transformera och välja de variabler (features) som en ML-modell tränas på. Välgjord feature engineering kan dramatiskt förbättra en modells prestanda och är ofta mer värdefullt än att byta till en mer komplex modellarkitektur. Med djupinlärning automatiseras delar av processen, men manuell feature engineering förblir viktig för tabelldata.
Exempel
En modell för att förutsäga huspriser tränad enbart på rå data kanske bara får råvariablerna "antal rum" och "area". Med feature engineering skapar man dessutom variabeln "pris per kvadratmeter i samma postnummer senaste 6 månaderna" — en feature som fångar lokalt marknadstryck och dramatiskt förbättrar modellens precision.
ML
Avancerat