eiginleikaútdrátt

Eiginleikaútdráttur (feature extraction) er ferli sem umbreytir hráum gögnum í nýtt sett af eiginleikum sem eru henta betur fyrir frekari greiningu eða líkanagerð. Markmiðið er að draga fram lykilupplýsingar og oft minnka vídd gagna án þess að missa mikilvæg atriði. Eiginleikaútdráttur getur aukið samleitni gagna og bætt árangur líkana með betra inntaki.

Munurinn á milli eiginleikaútdráttar og eiginleikaskiptingar liggur í því að útdráttur byggir á umbreytingu eða samsetningu gagna til að skapa nýja, oft samsetta eiginleika frekar en að velja fyrirliggjandi. Helstu aðferðir eru línuleg útdráttun eins og PCA og SVD; ólínuleg útdráttun eins og kernel PCA, t-SNE og UMAP; og djúp nám (autoencoders). Einnig eru tíðni- eða tímabreytingar (Fourier, Wavelet) sem ýmsir gagnasnið nýta til að taka upp mynstrin.

Dæmi um faglega eiginleika eru MFCC í hljóðvinnslu sem draga fram helstu hljóðeinkenni og SIFT eða ORB í myndgreiningu sem leita að stöðugum eiginleikum í myndum.

Notkun er víðtæk: tölvusjón, talgreining, líffræðilegar gagnasöfn, fjármálagreining og aðrar greiningarverkefni með mikla breidd gagna. Gæði útdrætta eru oft metin með áhrif þeirra á árangur líkana, túlkun og upplýsingagildi. Forvinnsla gagna, svo sem normalisering og skýrleikur gagnanna, stuðlar einnig að gæðum.