Dane wejściowe dla modelu

W uczeniu maszynowym dane odgrywają kluczową rolę w trenowaniu i rozwijaniu modeli. Aby przekazać dane do modelu, zazwyczaj organizuje się je w ustrukturyzowanym formacie znanym jako zbiór danych (DataFrame w pandas).

Zbiór danych składa się z dwóch głównych części: 

• Cechy - Zestaw kolumn reprezentujących dane
• Zmienna docelowa - Reprezentuje wynik lub wartość, którą model ma przewidzieć albo oszacować.

Na przykład, oto tabela pogody

Załóżmy, że chcemy wiedzieć, czy będzie padać. Cechami są degrees, humidity, wind, a zmienną docelową jest is_rain.

Cechy oznacza się jako <strong>X</strong>, a zmienną docelową jako <strong>y</strong>.
Zmienna docelowa (<strong>y</strong>) może zawierać dane dowolnego typu — liczbę, wartość logiczną, ciąg znaków itp.

Podczas procesu trenowania model wykorzystuje cechy jako dane wejściowe, a zmienną docelową jako wartość referencyjną lub prawidłowy wynik.

Bez zmiennej docelowej model nie miałby możliwości sprawdzenia, czy jego przewidywania są poprawne.

Struktura zbiorów danych może przyjmować wiele różnych form:

• Wiele cech, jedna zmienna docelowa
• Jedna cecha, jedna zmienna docelowa
• Wiele cech, wiele zmiennych docelowych
• Mało cech, jedna lub wiele zmiennych docelowych
• Brak zmiennej docelowej
• Dane szeregów czasowych
• itd.

Uczenie nadzorowane wykorzystuje zbiory danych zawierające pary wejście-wyjście, na podstawie których algorytm uczy się mapować dane wejściowe na odpowiadające im zmienne docelowe.

Uczenie nienadzorowane nie wykorzystuje zmiennych docelowych; zamiast tego wyszukuje wzorce lub strukturę w danych wejściowych, nie korzystając z przykładów z etykietami.

Kluczowe jest upewnienie się, że zmienna docelowa jest niezależna od pozostałych kolumn, ponieważ wszelkie zależności mogą prowadzić do wycieku danych i skutkować myląco wysoką skutecznością podczas trenowania. Model, który rzeczywiście potrafi przewidywać, musi uczyć się na podstawie cech niezwiązanych bezpośrednio ze zmienną docelową, co pozwala zachować rzetelność i możliwość uogólniania jego przewidywań.

Niezależnej zmiennej docelowej nie można bezpośrednio obliczyć ani wyprowadzić z pozostałych kolumn w zbiorze danych; to właśnie ją chcesz przewidzieć.