ominaisuusjoukkoja

Ominaisuusjoukko tarkoittaa tilastollisessa ja koneoppimisen kontekstissa ominaisuuksien (muuttujien) kokoelmaa. Ominaisuus tai muuttuja kuvaa dataesityksen piirteen, kuten mitattua arvoa tai luokkaa. Ominaisuusjoukko on siis kokonaisuus, josta koostetaan ominaisuusvektoreita, jotka kuvaavat yksittäisiä havaintoja.

Ominaisuusjoukkoa käytetään datamallien rakentamisessa: se määrittelee, mitä dataa algoritmille tarjotaan. Esimerkki: asiakkaiden tietokanta voi sisältää iän, sukupuolen, tulotason ja asuinalueen. Kuvantamisessa ominaisuudet voivat olla numeerisia (esimerkiksi pituus, intensiteetti) tai kategorisia (esimerkiksi maa, laatu). Kategoriset ominaisuudet voidaan muuntaa numeerisiksi esimerkiksi one-hot-enkoodauksella.

Usein tavoitteena on optimoida ominaisuusjoukko: valita merkittävät ominaisuudet (ominaisuusvalinta) tai projisoida ulos tärkeimmät ulottuvuudet pienempään tilaan (dimensionality reduction). Ominaisuusvalinta voi vähentää päällekkäisyyttä ja parantaa mallin suorituskykyä, kun taas dimensionality reduction voi helpottaa visualisointia ja käsittelyä.

Preprocessingin aikana ominaisuusjoukkoa saatetaan muun muassa normalisoida tai standardoida, käsitellä puuttuvia arvoja ja muuntaa kategoriset ominaisuudet sopivaan muotoon.

Ominaisuusjoukkojen käyttö ja koostumus vaihtelevat sovelluksesta ja mallityypistä, ja hyvän ominaisuusjoukkojen valinnan taito on keskeinen osa menestyksekästä data-analyysiä.