मशीन लर्निंग में, इस प्रकार के उन्नत डेटा विज्ञान में दक्षता को अधिकतम करने के लिए फीचर चयन विशिष्ट चर या डेटा बिंदुओं का उपयोग है।
फ़ीचर चयन को चर चयन, विशेषता चयन या सबसेट चयन के रूप में भी जाना जाता है।
फ़ीचर चयन के साथ, इंजीनियर और डेटा वैज्ञानिक किसी दिए गए सिस्टम में बहुत सारे "शोर" को ट्यून करने में सक्षम होते हैं। फ़ीचर चयन का उपयोग करने से अनावश्यक या अप्रासंगिक डेटा को हटाने में मदद मिलती है, और यह कमी मशीन सीखने के परिणामों को मजबूत बना सकती है। उदाहरण के लिए, एक समुद्री जीव विज्ञान परियोजना में, शोधकर्ता फीचर चयन का उपयोग केवल एक या अधिक सर्वेक्षण की गई प्रजातियों पर कुछ वर्गीकृत जानकारी का चयन करने के लिए कर सकते हैं और अन्य डेटा को हटा सकते हैं जो परियोजना के लिए केंद्रीय नहीं है।
सुविधाओं का चयन वीका, स्किकिट-लर्न और आर सहित विभिन्न प्रकार के उपकरणों के साथ किया जा सकता है। यह अधिक सटीक मॉडल बनाने में मदद कर सकता है, और आम तौर पर मशीन सीखने की प्रक्रिया में सुधार कर सकता है। ओवरफिटिंग और अन्य समस्याओं को रोकने के लिए इंजीनियरों को फीचर चयन और प्रशिक्षण डेटा के साथ काम करना पड़ता है। फ़ीचर चयन भी टीमों को "आयामीता के अभिशाप" से बचने में मदद करता है, जो जटिल कंप्यूटिंग संचालन में कुछ प्रकार की डेटा समस्याओं के लिए एक आशुलिपि है।
0 Comments