Ingénierie automatique des caractéristiques

Avec l'ingénierie automatique des caractéristiques, Qlik Predict peut utiliser des caractéristiques existantes dans vos données d'apprentissage pour créer de nouvelles caractéristiques. Ces nouvelles caractéristiques auto-conçues vous permettent de découvrir de nouvelles tendances dans vos données et peuvent considérablement améliorer les performances de vos modèles d'apprentissage automatique. Qlik Predict supporte l'ingénierie des caractéristiques de date et l'ingénierie des caractéristiques de texte libre.

Arrière-plan

L'ingénierie des caractéristiques consiste à créer de nouvelles colonnes de caractéristiques à partir des colonnes existantes. Qlik Predict peut effectuer automatiquement l'ingénierie des caractéristiques pour une meilleure manipulation de certains types de données. Pour obtenir des informations générales sur l'ingénierie des caractéristiques, veuillez consulter Création de nouvelles colonnes de caractéristiques.

Identification des cas où l'ingénierie automatique des caractéristiques est possible

Après avoir sélectionné un jeu de données à utiliser pour votre expérimentation, ce dernier est analysé et les colonnes qu'il contient sont identifiées comme contenant certains types de données. Ces types de données permettent à Qlik Predict d'attribuer un type de caractéristique à chaque colonne dans le jeu de données. Chaque colonne se voit attribuer l'un des types de caractéristique suivants :

• Catégorique

• Numérique

• Date

• Texte libre

Lorsque cela est possible, Qlik Predict affiche une liste de caractéristiques auto-conçues qui peuvent être créées à partir des caractéristiques parentes éligibles. Cette liste de caractéristiques auto-conçues est davantage affinée et réduite au fur et à mesure que le prétraitement commence. Inclure les caractéristiques auto-conçues dans votre expérimentation est recommandé mais facultatif. Vous pouvez supprimer des caractéristiques auto-conçues individuelles avant de commencer l'apprentissage, ainsi que lors de la configuration de chaque nouvelle version d'expérimentation.

Pour obtenir plus d'informations sur les processus effectués avant le début de l'apprentissage de l'expérimentation, consultez Préparation et transformation automatiques des données.