Kubeflow para el aprendizaje automático

Capítulo 5. Preparación de datos y características

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Los algoritmos de aprendizaje automático son tan buenos como sus datos de entrenamiento. Obtener buenos datos para el entrenamiento implica preparar los datos y las características.

La preparación de datos es el proceso de obtener los datos y asegurarse de que son válidos. Se trata de un proceso de varios pasos¹ que puede incluir la recopilación de datos, el aumento, el cálculo de estadísticas, la validación de esquemas, la poda de valores atípicos y diversas técnicas de validación. No disponer de datos suficientes puede dar lugar a un ajuste excesivo, a la omisión de correlaciones significativas, etc. Esforzarse por recopilar más registros e información sobre cada muestra de durante la preparación de los datos puede mejorar considerablemente el modelo.²

La preparación de características (a veces llamada ingeniería de características) se refiere a transformar los datos de entrada sin procesar en características que pueda utilizar el modelo de aprendizaje automático.³ Una mala preparación de las características puede hacer que se pierdan relaciones importantes, como un modelo lineal con términos no lineales no expandidos, o un modelo de aprendizaje profundo con unaorientación de imagen incoherente.

Pequeños cambios en la preparación de los datos y las características pueden dar lugar a resultados del modelo muy diferentes. ...