Feature Engineering

Kỹ thuật tạo đặc trưng là quá trình chuyển đổi dữ liệu thô thành các đầu vào có ý nghĩa, giúp cải thiện hiệu suất của các mô hình học máy. Nó bao gồm việc tận dụng kiến ​​thức chuyên môn để lựa chọn, sửa đổi hoặc tạo ra các biến mới—được gọi là đặc trưng—giúp thuật toán hiểu rõ hơn các mẫu trong dữ liệu. Mặc dù các kiến ​​trúc học sâu hiện đại như Mạng nơ-ron tích chập (CNN) có khả năng tự động học các đặc trưng, ​​nhưng việc tạo đặc trưng một cách rõ ràng vẫn là một bước quan trọng trong nhiều quy trình làm việc, đặc biệt khi làm việc với dữ liệu có cấu trúc hoặc khi cố gắng tối ưu hóa hiệu quả của mô hình trên các thiết bị biên. Bằng cách tinh chỉnh dữ liệu đầu vào, các nhà phát triển thường có thể đạt được độ chính xác cao hơn với các mô hình đơn giản hơn, giảm nhu cầu về tài nguyên tính toán khổng lồ.

Vai trò của kỹ thuật trích chọn đặc trưng trong trí tuệ nhân tạo

Trong bối cảnh trí tuệ nhân tạo (AI) , dữ liệu thô hiếm khi sẵn sàng để xử lý ngay lập tức. Hình ảnh có thể cần thay đổi kích thước, văn bản có thể cần được mã hóa thành các từ (tokenization), và dữ liệu dạng bảng thường chứa các giá trị bị thiếu hoặc các cột không liên quan. Kỹ thuật tạo đặc trưng (feature engineering) giúp thu hẹp khoảng cách giữa thông tin thô và các biểu diễn toán học cần thiết cho thuật toán. Kỹ thuật hiệu quả có thể làm nổi bật các mối quan hệ quan trọng mà mô hình có thể bỏ sót, chẳng hạn như kết hợp "khoảng cách" và "thời gian" để tạo ra đặc trưng "tốc độ". Quá trình này gắn liền với tiền xử lý dữ liệu , nhưng trong khi tiền xử lý tập trung vào việc làm sạch và định dạng, kỹ thuật tạo đặc trưng lại hướng đến việc nâng cao tính sáng tạo để tăng cường khả năng dự đoán.

Đối với các tác vụ thị giác máy tính, kỹ thuật trích chọn đặc trưng đã phát triển đáng kể. Các phương pháp truyền thống bao gồm việc tạo thủ công các bộ mô tả như Scale-Invariant Feature Transform (SIFT) để xác định các cạnh và góc. Ngày nay, các mô hình học sâu như YOLO26 thực hiện trích xuất đặc trưng tự động trong các lớp ẩn của chúng. Tuy nhiên, kỹ thuật này vẫn đóng vai trò quan trọng trong việc chuẩn bị tập dữ liệu, chẳng hạn như tạo dữ liệu tổng hợp hoặc áp dụng các kỹ thuật tăng cường dữ liệu như mosaic và mixup để giúp các mô hình tiếp xúc với nhiều biến thể đặc trưng mạnh mẽ hơn trong quá trình huấn luyện.

Các kỹ thuật và ứng dụng phổ biến

Kỹ thuật tạo đặc trưng bao gồm nhiều chiến lược khác nhau được điều chỉnh phù hợp với vấn đề và loại dữ liệu cụ thể.

• Giảm chiều dữ liệu: Các kỹ thuật như Phân tích thành phần chính (PCA) giúp giảm số lượng biến trong khi vẫn giữ lại thông tin thiết yếu, ngăn ngừa hiện tượng quá khớp (overfitting) trong các tập dữ liệu có chiều cao.
• Mã hóa biến phân loại: Các thuật toán thường yêu cầu đầu vào dạng số. Các phương pháp như mã hóa one-hot chuyển đổi các nhãn phân loại (ví dụ: "Đỏ", "Xanh") thành các vectơ nhị phân mà mô hình có thể xử lý.
• Chuẩn hóa và điều chỉnh tỷ lệ: Việc điều chỉnh tỷ lệ các đặc trưng về một phạm vi chuẩn đảm bảo rằng các biến có giá trị lớn hơn (như giá nhà) không chi phối các biến có phạm vi nhỏ hơn (như số phòng), điều này rất quan trọng đối với tối ưu hóa dựa trên gradient trong mạng nơ-ron .
• Phân nhóm và rời rạc hóa: Việc nhóm các giá trị liên tục thành các nhóm (ví dụ: nhóm tuổi) có thể giúp các mô hình xử lý các giá trị ngoại lệ hiệu quả hơn và nắm bắt được các mối quan hệ phi tuyến tính.

Các ví dụ thực tế

Kỹ thuật tạo đặc trưng được áp dụng rộng rãi trong nhiều ngành công nghiệp để giải quyết các vấn đề phức tạp.

1. Bảo trì dự đoán trong sản xuất: Trong sản xuất thông minh , các cảm biến thu thập dữ liệu thô về độ rung và nhiệt độ từ máy móc. Các kỹ sư có thể tạo ra các đặc trưng thể hiện "tốc độ thay đổi" của nhiệt độ hoặc "giá trị trung bình động" của cường độ rung. Các đặc trưng được thiết kế này cho phép các mô hình phát hiện bất thường dự đoán sự cố thiết bị trước nhiều ngày, thay vì chỉ phản ứng với các chỉ số cảm biến hiện tại.
2. Đánh giá rủi ro tín dụng: Các tổ chức tài chính sử dụng kỹ thuật tạo đặc trưng để đánh giá khả năng vay vốn. Thay vì chỉ nhìn vào con số "thu nhập" thô, họ có thể tạo ra các đặc trưng như "tỷ lệ nợ trên thu nhập" hoặc "tỷ lệ sử dụng tín dụng". Những đặc trưng được tạo ra này cung cấp cái nhìn chi tiết hơn về tình hình tài chính của người vay, cho phép phân loại rủi ro chính xác hơn.

Ví dụ mã: Tăng cường tính năng tùy chỉnh

Trong lĩnh vực thị giác máy tính, chúng ta có thể "thiết kế" các đặc điểm bằng cách tăng cường hình ảnh để mô phỏng các điều kiện môi trường khác nhau. Điều này giúp các mô hình như... YOLO26 Khái quát hóa tốt hơn. Ví dụ sau đây minh họa cách áp dụng phép biến đổi thang độ xám đơn giản bằng cách sử dụng ultralytics các công cụ này buộc mô hình phải học các đặc điểm cấu trúc thay vì chỉ dựa vào màu sắc.

import cv2
from ultralytics.data.augment import Albumentations

# Load an example image using OpenCV
img = cv2.imread("path/to/image.jpg")

# Define a transformation pipeline to engineer new visual features
# Here, we convert images to grayscale with a 50% probability
transform = Albumentations(p=1.0)
transform.transform = A.Compose([A.ToGray(p=0.5)])

# Apply the transformation to create a new input variation
augmented_img = transform(img)

# This process helps models focus on edges and shapes, improving robustness

Phân biệt với các thuật ngữ liên quan

Việc phân biệt kỹ thuật tính năng với các khái niệm tương tự sẽ rất hữu ích để tránh nhầm lẫn trong các cuộc thảo luận về quy trình làm việc.

• Kỹ thuật tính năng so với Trích xuất tính năng: Mặc dù thường được sử dụng thay thế cho nhau, nhưng vẫn có một sắc thái riêng. Kỹ thuật tính năng ngụ ý một quy trình thủ công, sáng tạo để xây dựng các đầu vào mới dựa trên kiến thức chuyên môn . Ngược lại, trích xuất tính năng thường đề cập đến các phương pháp tự động hoặc phép chiếu toán học (như PCA) để chắt lọc dữ liệu đa chiều thành một biểu diễn dày đặc. Trong học sâu (DL) , các lớp trong Mạng nơ-ron tích chập (CNN) thực hiện trích xuất tính năng tự động bằng cách học các bộ lọc cho các cạnh và kết cấu.
• Kỹ thuật tính năng so với nhúng: Trong xử lý ngôn ngữ tự nhiên (NLP) hiện đại, việc tạo tính năng thủ công (như đếm tần suất từ) phần lớn đã được thay thế bằng nhúng . Nhúng là các biểu diễn vector dày đặc được chính mô hình học để nắm bắt ý nghĩa ngữ nghĩa. Mặc dù nhúng là một dạng tính năng, nhưng chúng được học thông qua các quy trình học máy tự động (AutoML) thay vì được "thiết kế" thủ công một cách rõ ràng.

Bằng cách nắm vững kỹ thuật tạo đặc trưng, ​​các nhà phát triển có thể xây dựng các mô hình không chỉ chính xác hơn mà còn hiệu quả hơn, đòi hỏi ít sức mạnh tính toán hơn để đạt hiệu suất cao. Các công cụ như Nền tảng Ultralytics hỗ trợ điều này bằng cách cung cấp giao diện trực quan để quản lý tập dữ liệu và huấn luyện mô hình, cho phép người dùng nhanh chóng thử nghiệm các chiến lược tạo đặc trưng của mình.