การสกัดคุณลักษณะจากข้อมูล

การสกัดคุณลักษณะคือการแปลงข้อมูลดิบให้เป็นชุดคุณลักษณะที่แบบจำลองการเรียนรู้ของเครื่องสามารถนำไปใช้ได้ บทเรียนนี้ครอบคลุมพื้นฐานของวิศวกรรมคุณลักษณะและเทคนิคทั่วไปสำหรับสกัดคุณลักษณะที่มีประโยชน์จากข้อมูล

การสกัดคุณลักษณะคืออะไร

การสกัดคุณลักษณะช่วยลดความซับซ้อนของข้อมูลดิบด้วยการระบุคุณลักษณะสำคัญที่เกี่ยวข้องกับการวิเคราะห์มากที่สุด วิธีนี้ช่วยลดความซับซ้อนของข้อมูลและเพิ่มประสิทธิภาพของแบบจำลอง

ตัวอย่าง:

• สกัด month และ day จากคอลัมน์ date
• คำนวณ word count จากข้อมูลข้อความ

การสกัดคุณลักษณะจากวันที่

คุณสามารถสร้างคุณลักษณะใหม่ เช่น year, month หรือ day จากคอลัมน์วันที่โดยใช้ Pandas

ตัวอย่าง:

df['Year'] = pd.to_datetime(df['Date']).dt.year

คุณลักษณะจากข้อความ

สำหรับข้อมูลข้อความ คุณสามารถสกัดคุณลักษณะต่าง ๆ เช่น:

• จำนวนคำ: จำนวนคำทั้งหมด
• จำนวนอักขระ: จำนวนอักขระทั้งหมด
• คำที่ไม่ซ้ำกัน: จำนวนคำที่ไม่ซ้ำกัน

ตัวอย่าง:

df['WordCount'] = df['Text'].apply(lambda x: len(x.split()))

การเข้ารหัสคุณลักษณะเชิงหมวดหมู่

แปลงข้อมูลเชิงหมวดหมู่ให้อยู่ในรูปแบบตัวเลขเพื่อใช้ในการวิเคราะห์ เทคนิคที่ใช้กันทั่วไป ได้แก่:

• การเข้ารหัสแบบหนึ่งร้อน: สร้างคอลัมน์ไบนารีสำหรับแต่ละหมวดหมู่
• การเข้ารหัสป้ายกำกับ: กำหนดตัวเลขที่ไม่ซ้ำกันให้กับแต่ละหมวดหมู่

ตัวอย่าง:

from sklearn.preprocessing import OneHotEncoder encoder = OneHotEncoder() encoded = encoder.fit_transform(df[['Category']])

การปรับสเกลคุณลักษณะ

การปรับสเกลช่วยให้คุณลักษณะทั้งหมดมีสเกลใกล้เคียงกัน ซึ่งมีความสำคัญอย่างยิ่งต่ออัลกอริทึมการเรียนรู้ของเครื่องจำนวนมาก เทคนิคต่าง ๆ ได้แก่:

• การทำให้เป็นมาตรฐาน: ปรับข้อมูลให้มีค่าเฉลี่ยเป็น 0 และส่วนเบี่ยงเบนมาตรฐานเป็น 1
• การปรับแบบค่าต่ำสุด-ค่าสูงสุด: แปลงข้อมูลให้อยู่ในช่วง [0, 1]

การเลือกคุณลักษณะ

การเลือกคุณลักษณะคือการเลือกคุณลักษณะที่สำคัญที่สุดสำหรับแบบจำลอง เทคนิคต่าง ๆ ได้แก่:

• การวิเคราะห์สหสัมพันธ์: ระบุคุณลักษณะที่มีสหสัมพันธ์สูง
• การกำจัดคุณลักษณะแบบวนซ้ำ (RFE): ลบคุณลักษณะที่มีความสำคัญน้อยที่สุดทีละรอบ

ทบทวน

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• การสกัดคุณลักษณะ: การแปลงข้อมูลดิบให้เป็นคุณลักษณะที่มีประโยชน์
• เทคนิค: คุณลักษณะของวันที่ คุณลักษณะที่อิงตามข้อความ และการเข้ารหัสข้อมูลแบบหมวดหมู่
• การปรับมาตราส่วนคุณลักษณะ: การทำให้คุณลักษณะต่าง ๆ อยู่ในมาตราส่วนที่ใกล้เคียงกัน
• การคัดเลือกคุณลักษณะ: การระบุคุณลักษณะที่เกี่ยวข้องมากที่สุด

ยินดีด้วย!

คุณเรียนจบบทเรียนเรื่องการสกัดคุณลักษณะจากข้อมูลแล้ว โปรดไปยังหมวดหมู่ถัดไปเพื่อศึกษาแนวคิดด้านปัญญาประดิษฐ์ขั้นสูงเพิ่มเติม