Словарь ИИ

Что такое признаки

Коротко

Признаки это свойства объекта в виде чисел или категорий, по которым модель делает прогноз: возраст клиента, сумма заказа, день недели.

Машинное обучение · features

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Представь игру «Угадай животное». Тебе говорят: у него есть хвост, оно мяукает и любит молоко. Ты сразу отвечаешь: кошка. Хвост, мяуканье и молоко помогли тебе угадать. Компьютер тоже угадывает по таким подсказкам, только ему их записывают в табличку цифрами и словами. Эти подсказки называют признаками.

Простыми словами

Чтобы модель что-то предсказывала, каждый случай нужно описать понятными ей данными. Например, квартиру описывают площадью, этажом, районом и годом постройки. Каждое такое свойство и есть признак. Модель смотрит на тысячи квартир с известной ценой и находит, как эти свойства связаны с ценой. Потом по тем же свойствам новой квартиры она оценивает ее стоимость. Полезные свойства делают прогноз точнее, а случайные только мешают. Аналитики в разговоре часто называют их фичами, от английского слова features.

Для бизнеса

Качество прогнозной модели в компании часто упирается в признаки, а не в выбор алгоритма. Модель оттока не увидит риск, если в данных нет частоты покупок, обращений в поддержку и даты последнего заказа. Поэтому основная работа в таких проектах идет на стороне компании: найти, где эти данные лежат, в CRM, 1С или кассовой системе, и собрать их в одну таблицу. Отсюда и бюджет: интеграции и чистка данных нередко стоят дороже обучения модели. Отдельный риск: сведения, которые известны только задним числом, например статус «вернул товар» при прогнозе возвратов. С ними модель блестяще работает на истории и бесполезна в жизни. Такие ловушки ищут до запуска, когда разбирают предиктивную аналитику.

Для специалиста

Признак (feature) это функция, которая сопоставляет объекту выборки числовое или категориальное значение; в матрице данных они образуют столбцы, объекты строки. Так их определяет глоссарий scikit-learn, где перечислены и синонимы: атрибуты, предикторы, регрессоры, независимые переменные. Виды: числовые, категориальные (кодируют one-hot или target encoding), порядковые, бинарные, временные, текстовые, эмбеддинги. Конструирование признаков (feature engineering) создает новые столбцы из сырых данных: агрегаты, отношения, лаги, частоты. Отбор признаков (feature selection) делят на фильтры, обертки (wrappers) и встроенные методы (embedded); обзор дали Guyon и Elisseeff (JMLR, 2003) и назвали три цели: точнее предсказывать, быстрее и дешевле считать, глубже понимать процесс, который породил данные. Глубокие сети учат представления сами (representation learning), но в табличных задачах ручная подготовка данных по-прежнему решает многое. Типичная ошибка подготовки: утечка данных (data leakage), когда во входной столбец попадает информация, недоступная в момент прогноза.

Не путать. Не путать с признаками в обычном смысле, например признаками болезни: здесь это столбцы данных, на которых учится модель.

Пример

Сеть клиник прогнозирует неявки на прием. Признаки модели: день недели, время записи, сколько дней прошло от записи до визита, были ли у пациента прошлые неявки и пришло ли напоминание. По ним модель заранее отмечает рискованные записи, и администратор звонит этим пациентам.

Связанные термины

Вопросы и ответы

Что такое признаки в машинном обучении?

Это входные данные модели: свойства каждого объекта, записанные числами или категориями. Например, для клиента это возраст, город, число покупок и средний чек.

Что такое фичи?

Фичи это разговорное название признаков, от английского features. Аналитики говорят «сделать фичу», когда придумывают и вычисляют новое свойство объекта из сырых данных.

Источники

Где это применяют в компании

Предиктивная аналитика: как ИИ замечает проблему заранее

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений