ingångsvariabler

Ingångsvariabler är variabler som används som indata till en modell, ett system eller en process och som påverkar eller bestämmer dess utgång. I statistik och dataanalys motsvarar de ofta de oberoende eller förklarande variablerna. Inom experimentdesign kallas de faktorer och är de värden som manipulera över eller observeras för att undersöka effekten på utfallet.

Variablerna kan vara numeriska eller kategoriska. De kan vara kontinuerliga eller diskreta, och kategoriska variabler kan vara nominala eller ordnade. De kan vara deterministiska eller stokastiska och har vanligtvis enheter, intervall eller räckvidd. Vissa modeller kräver att ingångsvariabler renormaliseras eller kodas, särskilt när variabler har olika skalor eller när kategoriska variabler måste one-hot-kodas.

I modellering används ingångsvariabler tillsammans med utgångsvariabeln för att förutsäga eller förklara utfall. I regressionsanalys används de som förklarande variabler; i maskininlärning betraktas de som funktionsinmatningar eller features. Under dataförberedelse kan man hantera saknade värden, koda kategoriska variabler, skala variabler, skapa interaktioner eller polynomtermer samt genomföra feature selection för att reglera antalet ingångsvariabler.

Exempel: En modell som förutsäger bostadspris baseras på ingångsvariabler som boyta, antal rum, byggnadsålder och läge. Utgången är priset.

Risker med dåligt valda ingångsvariabler inkluderar multikollinearitet, överfitting och dataläckage. Sammanfattningsvis är ingångsvariabler centrala för hur modeller beskriver och förutsäger beteenden, och deras lämpliga val och behandling påverkar tolkning och prestanda.