Ezaugarrien inausketa eta ezaugarrien aberastea estrategia kontrajarriak dira ikaskuntza automatikoan: batek beharrezkoak ez diren datuak kentzen ditu ereduak sinplifikatzeko, eta besteak informazio berria gehitzen du aurreikuspen-ahalmena handitzeko. Bien artean aukeratzea zure ereduak zarata edo testuinguru falta duen araberakoa da.
Datu-multzo batetik garrantzirik gabeko edo erredundanteak diren ezaugarriak kentzen dituen teknika bat, ereduaren errendimendua hobetzeko eta konplexutasuna murrizteko.
Aldagai berriak gehitzeko edo daudenak eraldatzeko prozesua, makina-ikaskuntzako ereduei iragarpenetarako informazio aberatsagoa emateko.
| Ezaugarria | Ezaugarrien inausketa | Ezaugarrien aberastea |
|---|---|---|
| Helburu nagusia | Kendu beharrezkoak ez diren ezaugarriak | Gehitu ezaugarri baliotsuak |
| Datu-multzoaren tamainan duen eragina | Ezaugarri kopurua murrizten du | Ezaugarri kopurua handitzen du |
| Ereduaren Konplexutasunean duen Eragina | Eredua sinplifikatzen du. | Modeloaren konplexutasuna handitzen du |
| Hobe da erabiltzea noiz | Eredua gehiegi egokitzen ari da edo motela da | Eredua ez da egokia edo testuingururik ez du |
| Teknika arruntak | Lasso, zuhaitzetan oinarritutako garrantzia, PCA | Kodeketa, txertatzeak, ezaugarrien gurutzaketak |
| Arriskua | Ezaugarri erabilgarriak nahi gabe kentzea | Ezaugarri zaratatsuak edo erredundanteak gehitzea |
| Konputazio-kostua | Oro har, inausketaren ondoren baxuagoa | Oro har, handiagoa ezaugarri gehiago dituelako |
| Interpretagarritasuna | Normalean hobetzen da | Interpretatzea zailagoa izan daiteke |
Ezaugarrien inausketak filosofia minimalista jarraitzen du: gutxiago gehiago da. Balio iragarle txikia duten aldagaiak kenduz, ereduak benetan garrantzitsua den horretan jartzen du arreta. Ezaugarrien aberasteak kontrako jarrera hartzen du, sarrera aberatsago eta zehatzagoek iragarpen adimentsuagoak dakartzanaren ustea baitu. Bi filosofiek dute meritua, eta aukera egokia hasierako datuen kalitatearen eta osotasunaren araberakoa da.
Inausketak hobekien funtzionatzen du ehunka edo milaka ezaugarri dituzunean eta asko zarata direla susmatzen duzunean, hala nola datu genomikoetan edo hitz-poltsa ereduekin egindako testu-sailkapenean. Aberastea bikaina da zure datu-multzoa urria denean edo testuinguru kritikoa falta denean, adibidez, bezeroen abandonua aurreikustea oinarrizko demografia soilik erabiliz portaera-historiarik gabe. Praktikan, datu-zientzialariek biak konbinatzen dituzte askotan: lehenik aberastu, eta gero multzo zabaldua moztu.
Inausitako modeloak normalean azkarrago entrenatzen dira eta memoria-aztarna txikiagoekin zabaltzen dira, eta horrek aproposak bihurtzen ditu ertzeko gailuetarako edo denbora errealeko sistemetarako. Aberastutako modeloek zehaztasun handiagoa lor dezakete, baina entrenamendu-denbora luzeagoen eta biltegiratze-behar handiagoen kostuan. Aberastearen konputazio-gastua justifikatu daiteke zehaztasun-irabaziek zuzenean negozio-balio bihurtzen direnean, hala nola diagnostiko medikoan edo iruzurraren prebentzioan.
Inausketaren arriskurik handiena garrantzirik gabekoa zirudien baina benetan garrantzitsua zen ezaugarri bat ezabatzea da. Aberastearen arrisku nagusia ezaugarrien leherketa da, non aldagai eratorri gehiegi gehitzeak multikolinearitatea eta gehiegizko egokitzapena dakartza. Bi oztopoak arindu daitezke gurutzatutako balidazioaren eta balidazio metriken jarraipen zainduaren bidez esperimentazioan zehar.
Inausketak, modu naturalean, interesdunek uler ditzaketen eredu sinpleagoak sortzen ditu, sarrera gutxiagok azalpen argiagoak esan nahi baitute. Aberasteak urak nahasi ditzake esanahia agerikoa ez duten ezaugarri diseinatuak sartuz, hala nola txertatze bektoreak edo interakzio terminoak. Hala ere, ezaugarri-izen argiak dituzten aberaste-hodi ondo dokumentatuek interpretagarritasuna mantendu dezakete, errendimendua hobetuz.
Ezaugarri gehiagok beti esan nahi dute modelo hobea.
Ezaugarriak justifikaziorik gabe gehitzeak zarata eta multikolinearitatea dakar askotan, eta horrek errendimendua kaltetu dezake. Kalitatea eta garrantzia askoz gehiago axola dute kantitatea baino, eta horregatik inausketa ezinbestekoa da aberastu ondoren ere.
Ezaugarrien inausketa zutabeak ausaz ezabatzea besterik ez da.
Inausketa eraginkorrak proba estatistikoak, ereduetan oinarritutako garrantzi puntuazioak edo domeinuaren espezializazioa erabiltzen ditu benetako ezaugarri alferrikakoak identifikatzeko. Ausazko ezabatzeak ia ziur seinale baliotsua kenduko luke zaratarekin batera.
Ezaugarrien aberasteak beti hobetzen du zehaztasuna.
Aberasteak ezaugarri berriek benetako informazio iragarlea daramatenean bakarrik laguntzen du. Ezaugarri garrantzitsurik gabeko edo erredundanteak gehitzeak ereduaren errendimendua hobetu dezakeen bezain erraz hondatu dezake.
Estrategia bat edo bestea aukeratu behar duzu.
Benetako makina-ikaskuntzako prozesuetan, aberastea eta inausketa urrats osagarriak dira. Taldeek normalean datu gordinak aberasten dituzte lehenik, eta gero funtzio multzo zabaldua inausten dute, iragarpenak benetan bultzatzen dituena bakarrik mantentzeko.
Inausketak ereduen zehaztasuna gutxiagotzen du definizioz.
Inausketak orokortzea kaltetzen duten ezaugarriak kentzen ditu, beraz, ondo egindako inausketak askotan proba-multzoen zehaztasuna hobetzen du. Helburua ez da ezaugarriak arbitrarioki minimizatzea, baizik eta iragarpenetan modu esanguratsuan laguntzen dutenak soilik mantentzea.
Aukeratu ezaugarrien inausketa zure eredua gehiegi egokitzen denean, motelegi entrenatzen denean edo dimentsio handiko datuekin arazoak dituenean. Aukeratu ezaugarrien aberastea zehaztasuna gelditzen denean, zure datu-multzoak benetako munduko ereduak jasotzeko beharrezko testuingurua falta duelako. Ekoizpen-fluxu gehienetan, biderik adimentsuena pentsakor aberastea eta gero oldarkor inaustea da oreka optimoa aurkitzeko.
Edukien argitalpenetan A/B probak aldaerak publiko segmentu desberdinetara zabaltzea eta errendimendua neurtzea dakar, behin-behineko edukien argitalpenek, berriz, bertsio bakarra guztiei aldi berean bidaltzen diete. Ikuspegi bakoitzak helburu desberdinak ditu, A/B probak datuetan oinarritutako optimizazioa lehenesten duelarik eta behin-behineko argitalpenek abiadura eta sinpletasuna lehenesten dituztelarik.
Modeloen zerbitzatzean A/B probak lehiakideen modeloen arteko trafikoa bideratzen du benetako munduko errendimendua neurtzeko, eta modelo bakarreko hedapenak, berriz, modelo bakarra bidaltzen die erabiltzaile guztiei. Taldeek bien artean aukeratzen dute arrisku-tolerantziaren, trafiko-bolumenaren eta guztiz zabaldu aurretik baliozkotze estatistikoaren beharraren arabera.
Adimen artifizialaren laguntzaileek elkarrizketa-elkarrekintzan, laguntza emozionalean eta laguntza egokitzailean jartzen dute arreta, produktibitate-aplikazio tradizionalek, berriz, zereginen kudeaketa egituratua, lan-fluxuak eta eraginkortasun-tresnak lehenesten dituzten bitartean. Konparaketak zereginetarako diseinatutako software zurrunetik produktibitatea interakzio natural eta gizakiaren antzekoarekin eta testuinguru-laguntzarekin uztartzen dituzten sistema egokitzaileetara igarotzea nabarmentzen du.
Adimen artifizialaren eta automatizazioaren arteko desberdintasun nagusiak azaltzen dituen konparazioa da hau, nola funtzionatzen duten, zein arazo ebazten dituzten, egokitasuna, konplexutasuna, kostuak eta enpresa-erabilera errealen kasuak aztertuz.
Azterketa zehatz honek IA bidezko sormena —non algoritmoen ereduen sintesiak ideien sorkuntza eta gauzatze teknikoa bizkortzen dituen— gizakiaren sormen hutsarekin alderatzen du, zeina erabat sortzen den ahultasun pertsonaletatik, sakontasun emozionaletik eta nahitako arau-hausteetatik. Tresna artifizialek sorkuntza demokratizatzen eta bolumena handitzen duten bitartean, benetako giza arteak bizitako esperientzian oinarritzen da lana esanahi sozial sakon batez hornitzeko.
