Definition
Merkmalsentwicklung ist der Prozess, Eingangsmerkmale für Modelle des Maschinellen Lernens zu erzeugen, auszuwählen und umzuwandeln, um deren Nutzen, Leistung und Vorhersagequalität zu verbessern.
Einfach erklärt
Daten werden so aufbereitet, dass ein Modell relevante Beziehungen und Muster wirksamer erkennen kann.
Warum es wichtig ist
Relevanz und Qualität der Merkmale beeinflussen die Modellleistung häufig stärker als die Wahl zwischen ähnlichen Algorithmen.
Begriffliche Abgrenzung
Merkmalsentwicklung verändert die Darstellung der Modelleingaben und nicht den zugrunde liegenden Lernalgorithmus. Sie kann Merkmalsauswahl umfassen, wobei die Auswahl bestehender und die Erzeugung neuer Merkmale unterschiedliche Tätigkeiten im breiteren Prozess bleiben.
Praktische Perspektive
Der Prozess kann Variablenauswahl, Ableitung neuer Merkmale, Werttransformation, Kodierung von Kategorien und Skalierung numerischer Daten umfassen. Dieselben Transformationen müssen bei Training und Vorhersage konsistent und ausschließlich mit Informationen ausgeführt werden, die zum Vorhersagezeitpunkt verfügbar sind, um Datenleckage zu vermeiden.