Jet School Logo

Feature nədir?

Feature (xüsusiyyət, əlamət) — Data Science və maşın öyrənməsində (Machine Learning) obyekti və ya müşahidəni təsvir etmək üçün istifadə olunan ayrıca ölçülə bilən məlumatdır. Sadə desək, feature dataset cədvəlindəki sütunlardan biridir: model qərar verərkən məhz bu məlumatlara əsaslanır.

Nümunə

Evin qiymətini proqnozlaşdırmaq istəyirsinizsə, bunlar feature sayılır:

  • evin sahəsi (kvadratmetr);
  • otaqların sayı;
  • mərtəbə;
  • yerləşdiyi rayon;
  • tikinti ili.

Modelin proqnozlaşdırmalı olduğu dəyər isə — bu nümunədə evin qiyməti — feature deyil, hədəf (target) və ya etiket (label) adlanır. Model feature-lər ilə hədəf arasındakı əlaqəni öyrənir.

Feature-lər niyə vacibdir?

Maşın öyrənməsi modelinin keyfiyyəti birbaşa feature-lərin keyfiyyətindən asılıdır. Düzgün seçilmiş və hazırlanmış feature-lər modelin dəqiqliyini, sabitliyini və yeni məlumatlar üzərində yaxşı işləmək qabiliyyətini artırır. Hətta sadə alqoritm belə yaxşı feature-lərlə əla nəticə verə bilər.

Data Science-də məşhur bir prinsip var: “Garbage in, garbage out” — “zibil daxil edirsənsə, zibil alırsan”. Zəif və ya səhv feature-lərlə ən güclü model də düzgün nəticə verə bilməz.

Feature növləri

  • Rəqəmsal (numerical) feature-lər: say kimi ifadə olunan məlumatlar — sahə, yaş, qiymət, temperatur.
  • Kateqoriyalı (categorical) feature-lər: müəyyən kateqoriyalardan birini göstərən məlumatlar — şəhər, rəng, cins.

Modellər əsasən rəqəmlərlə işlədiyi üçün kateqoriyalı feature-lər rəqəmə çevrilməlidir. Məsələn, “Bakı”, “Gəncə”, “Sumqayıt” dəyərləri olan “şəhər” sütunu üç ayrı sütuna çevrilə bilər: “Bakıdırmı?”, “Gəncədirmi?”, “Sumqayıtdırmı?” — hər birində 1 və ya 0. Bu üsul one-hot encoding adlanır.

Əsas anlayışlar

  • Feature Selection (xüsusiyyətlərin seçilməsi): Yalnız ən vacib və faydalı feature-lərin saxlanılması, lazımsız və təkrarlananların çıxarılması. Həddindən artıq çox feature modelin overfitting-ə uğramasına səbəb ola bilər.
  • Feature Engineering (xüsusiyyət mühəndisliyi): Mövcud məlumatlardan yeni, daha faydalı feature-lər yaratmaq. Məsələn, “doğum tarixi”ndən “yaş”ı, “alış tarixi”ndən isə “həftənin günü”nü hesablamaq.
  • Feature Scaling (miqyaslama): Fərqli ölçülü feature-ləri — məsələn, 50-dən 500-ə qədər dəyişən sahəni və 1-dən 5-ə qədər dəyişən otaq sayını — eyni miqyasa gətirmək. Bu, bir çox alqoritmin daha düzgün işləməsinə kömək edir.

Şəkillərdə və mətndə feature-lər

Feature-lər yalnız cədvəllərdə olmur. Şəkildə hər pikselin rəngi bir feature-dir, mətndə isə sözlər və onların tezliyi feature rolunu oynaya bilər. Ənənəvi maşın öyrənməsində mühəndislər bu cür feature-ləri əl ilə hazırlamalı idilər. Dərin öyrənmə (Deep Learning) modelləri — məsələn, CNN-lər — isə vacib feature-ləri xam məlumatdan özləri öyrənir: ilk qatlar xətləri və rəngləri, daha dərin qatlar isə gözləri, təkərləri və ya bütöv obyektləri tanıyır.

Diqqət: Data Leakage

Feature seçərkən onların həqiqətən proqnoz anında məlum olan məlumat olduğuna əmin olmaq lazımdır. Əgər feature gizli şəkildə cavabın özünü “ifşa edirsə”, model testdə əla, real həyatda isə zəif nəticə göstərir. Bu, Data Leakage adlanan təhlükəli səhvdir.

Qeyd: “feature” sözünün başqa mənası

Proqram təminatının hazırlanmasında “feature” sözü tamamilə fərqli mənada — məhsulun yeni imkanı və ya funksionallığı mənasında — işlənir. Məsələn, “tətbiqə yeni feature əlavə etdik” ifadəsi tətbiqdə yeni imkanın yarandığını bildirir. Bu səhifədəki feature isə maşın öyrənməsi anlayışıdır.

Nəticə

Feature-lər modelin “düşünməsi” üçün əsas xammaldır. Yaxşı seçilmiş və hazırlanmış feature-lər olmadan ən güclü alqoritm belə düzgün nəticə verə bilməz. Ona görə də Data Science mütəxəssisləri vaxtlarının böyük hissəsini məhz məlumatları və feature-ləri hazırlamağa sərf edirlər.

Övladınızın süni intellektin necə işlədiyini başa düşməyi və öz maşın öyrənməsi modellərini yaratmağı öyrənməsini istəyirsiniz? Süni İntellekt Mühəndisliyi kursumuzla addım-addım öyrənməyə başlayın. Ətraflı məlumat üçün linkə keçid edin: Süni İntellekt Mühəndisliyi kursu

Tədris sahələrimiz barədə məlumat almaq üçün qeydiyyatdan keçin

Əlaqəli terminlər:

IT Sahəsini öyrənməyə başla