ominaisuuserojen

Ominaisuuserojen on käsite, joka kuvaa kahden tai useamman kohteen ominaisuuksien välisiä eroja. Ne muodostuvat, kun kohteiden ominaisuudet, kuten mitatut luvut tai luokitellut arvot, poikkeavat toisistaan.

Kun kohteet esitetään numeerisina piirteinä sisältävinä vektoreina, ominaisuuserojen laskeminen tapahtuu per-ominaisuuserojen kautta. Jos x ja y ovat ominaisuusvektoreita, niiden ero voidaan kirjoittaa d = x − y, jonka i-alkio on |xi − yi|. Eri etäisyysmittarit antavat lopullisen arvon näiden erojen perusteella: L1-etäisyys on summa |xi − yi| ja L2-etäisyys on sqrt(sum (xi − yi)^2). Kategoriset ominaisuudet voidaan käsitellä esimerkiksi Hamming-etäisyytenä, jossa erotus on 1 jos arvot poikkeavat, 0 jos ne ovat samat.

Monet tilastolliset ja koneoppimisen menetelmät perustuvat ominaisuuseroihin. Ne mittaavat kohteiden eroa käytössä esimerkiksi klusteroinnissa, k-nearest neighbors -menetelmissä ja suosittelujärjestelmissä. Sekä numeeristen että kategoristen ominaisuuksien yhdistäminen mahdollistaa kokonaisvaltaisen dissimiliarity-mittarin käytön, kuten Gowerin etäisyyden.

Onnistunut käytäntö edellyttää hyvää ominaisuuksien skaalausta ja mahdollisesti ominaisuuksien painottamista, jotta eri mittayksiköt eivät vääristä kokonaisuutta. Näin ominaisuuserojen tulkinta riippuu valituista mitta- ja painokriteereistä sekä datan luonteesta.

Lyhyesti: ominaisuuserojen käsite tiivistää, miten kohteet eroavat ominaisuuksiltaan, ja miten näitä eroja voidaan kvantitoida ja käyttää erottelussa sekä ryhmittelyssä.