feature

توضیح

هر نمونهٔ داده می‌تواند یک یا چند feature داشته باشد که مدل از آن‌ها برای پیدا کردن الگو و پیش‌بینی استفاده می‌کند. مثلاً برای پیش‌بینی نمرهٔ آزمون بر اساس وضعیت هوا، دما، رطوبت و فشار هوا feature هستند. در supervised learning، این ورودی‌ها با label فرق دارند: label همان پاسخ هدف است که مدل قرار است پیش‌بینی کند.

مثال

# Features: temperature, humidity, pressure
X = [[15, 47, 998], [19, 34, 1020], [18, 92, 1012]]
# Labels: test scores
y = [92, 84, 87]

چرا مهمه

هنگام آماده‌سازی داده برای آموزش یا پیش‌بینی با feature‌ها سروکار داری. انتخاب ورودی‌های مرتبط و در دسترس، روی کیفیت پیش‌بینی اثر می‌گذارد؛ پاسخ هدف نباید به‌اشتباه جزو ورودی‌ها قرار بگیرد.

مفهوم‌های مرتبط

• training set
• test set
• overfitting