Bedeutung der Funktionstransformation - Amazon Machine Learning

Wir aktualisieren den Amazon Machine Learning Learning-Service nicht mehr und akzeptieren keine neuen Benutzer mehr dafür. Diese Dokumentation ist für bestehende Benutzer verfügbar, wir aktualisieren sie jedoch nicht mehr. Weitere Informationen finden Sie unterWas Amazon Machine Learning.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Bedeutung der Funktionstransformation

Betrachten wir ein Machine Learning-Modell, das entscheiden soll, ob eine Kreditkartentransaktion betrügerisch ist oder nicht. Basierend auf Ihrem Wissen über die Anwendung und Ihre Datenanalyse können Sie entscheiden, welche Datenfelder (oder Funktionen) in den Eingabedaten enthalten sein sollten. Beispielsweise sollten Transaktionsbetrag, Name des Händlers, Adresse und Adresse des Eigentümers der Kreditkarte im Lernprozess enthalten sein. Eine zufällig erstellte Transaktionsnummer hingegen enthält keine Informationen (sofern wir wissen, dass sie wirklich zufällig ist) und ist nicht nützlich.

Sobald Sie sich entschieden haben, welche Felder verwendet werden sollen, transformieren Sie diese Funktionen so, dass sie den Lernprozess unterstützen. Transformationen ergänzen die Eingabedaten mit Hintergrunderfahrung, sodass das Machine Learning-Modell aus dieser Erfahrung lernen kann. Beispielsweise steht die folgende Händleradresse in einer Zeichenfolge:

"123 Main Street, Seattle, WA 98101"

Die Adresse verfügt über begrenzte Aussagekraft – sie dient nur dem Erlernen von Mustern für diese spezielle Adresse. Durch das Herunterbrechen der Adresse in mehrere Teile jedoch können weitere Funktionen wie "Adresse" (123 Main Street), "Stadt" (Seattle), "Staat" (WA) und "ZIP" (98101) erstellt werden. Der Lernalgorithmus kann nun mehrere separate Transaktionen zusammenführen und größere Muster erkennen – möglicherweise liegen zu bestimmten Händler-ZIPs mehr betrügerische Erfahrungen vor als zu anderen.

Weitere Informationen zur Funktionstransformation finden Sie unter Machine Learning-Konzepte.