Uitleg
Features zijn de "ingrediënten" die je aan een model geeft. In een huisprijsvoorspellingsmodel kunnen features zijn: aantal kamers, locatie, leeftijd van het huis, aantal badkamers, enzovoort.
In beeldherkenning kunnen features visuele patronen zijn: randen, kleuren, texturen, vormen. Moderne deep learning-modellen leren automatisch welke features belangrijk zijn, maar in traditioneel machine learning moet je features handmatig selecteren en aanmaken.
Goede features zijn cruciaal. Het adagium "garbage in, garbage out" betekent dat zelfs het beste model niet goed kan werken als de invoerfeatures irrelevant of laag kwaliteit zijn.
⚡ Voorbeelden
- •In een filmbeoordelingsvoorspellingsmodel zijn features: genregeschiedenis, kijkduur, vorige beoordelingen
- •In medische diagnose kunnen features zijn: bloeddrukinvloed, cholesterolniveaus, leeftijd, roken
- •In beeldherkenning zijn features geleerde representaties van randen, vormen en abstractere patronen
Trefwoorden
invoervariabeleneigenschappengegevenskenmerken