Zpět na slovník MLOps & Životní cyklus

Feature engineering

Feature engineering transformuje surovea data na smysluplne vstupni promenne, ktere zlepsujii vykon AI modelu a prediktivni presnost.

Co je feature engineering?

Feature engineering je proces vyberu, transformace a vytvareni vstupnich promennych (priznaku) ze surovych dat k maximalizaci prediktivniho vykonu modelu strojoveho uceni. Je sireoce povazovan za jeden z nejdulezitejsich kroku v zivotnim cyklu vyvoje AI. Feature engineering vyzaduje jak domenove odborne znalosti, tak technicke dovednosti.

Bezne techniky

Numericke transformace zahrnuji skaloavni, normalizaci, logaritmicke transformace a polynomialni priznaky. Kodovani kategorickych promennych pokryva one-hot kodovani, cilove kodovani a pristupy zalozene na embeddingach. Casove priznaky extrahuju den v tydnu, sezonnost a klouzave agregace z casovych razitek. Nastroje pro automatizovany feature engineering mohou systematicky generovat a vyhodnocovat kandidatni priznaky.

Feature story pro podnikove AI

V podnikovem meritku se feature engineering stava sdilenou organizacni schopnosti prostrednictvim feature storu. Feature stor poskytuje centralizovane uloziste kuratovanych, verzovanych priznaku, ktere lze znovu vyuzit pres vice modelu a tymu. Zajistuje konzistenci mezi trenovaciami a inferencnimi priznaky.