Inżynieria cech (ang. feature engineering) – etap wstępnego przetwarzania w nadzorowanym uczeniu maszynowym i modelowaniu statystycznym[1] polegający na przekształcaniu surowych danych w bardziej efektywny zestaw danych wejściowych. Każdy przypadek danych wejściowych opisują różne atrybuty, zwane cechami (features). Inżynieria cech, poprzez dostarczanie modelom istotnych informacji, może znacząco poprawić ich dokładność predykcyjną oraz zdolność podejmowania trafnych decyzji[2][3][4].
Przypisy
[edytuj | edytuj kod]- ↑ Trevor Hastie: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009. ISBN 978-0-387-84884-6. (ang.).
- ↑ Shubham Sharma. Multi-view feature engineering for day-to-day joint clustering of multiple traffic datasets. „Transportation Research Part C: Emerging Technologies”. 162, s. 104607, 2024-05-01. DOI: 10.1016/j.trc.2024.104607. ISSN 0968-090X. Bibcode: 2024TRPC..16204607S.
- ↑ Shai Shalev-Shwartz: Understanding Machine Learning: From Theory to Algorithms. Cambridge: Cambridge University Press, 2014. ISBN 978-1-107-05713-5.
- ↑ Kevin P. Murphy: Probabilistic Machine Learning. Cambridge, Massachusetts: The MIT Press (Copyright 2022 Massachusetts Institute of Technology, this work is subject to a Creative Commons CC-BY-NC-ND license), 2022. ISBN 978-0-262-04682-4.
