top of page

Feature Engineering



Feature Engineering (การออกแบบคุณลักษณะ)

ในขั้นตอนการพัฒนาระบบ AI เราจะใช้เทคนิคที่เรียกว่า feature engineering ซึ่งก็คือการปรับเปลี่ยนข้อมูลให้อยู่ในรูปแบบที่มีประโยชน์ (features)


วัตถุประสงค์ของการทำ Feature Engineering ที่ดี

  1. ปรับปรุงประสิทธิภาพของโมเดล (Improve model performance)

  2. จุดประสงค์หลักคือการปรับปรุงประสิทธิภาพของโมเดลหรือระบบ AI โดยนักวิทยาศาสตร์ข้อมูลจะพยายามดึงข้อมูลมาจัดโครงสร้างในลักษณะที่ทำให้โมเดลสามารถเรียนรู้ความสัมพันธ์ระหว่าง feature และเป้าหมายได้ดีที่สุด เป้าหมายก็คือการจัดเตรียมชุดข้อมูลย่อยที่มีพลังในการทำนายให้กับโมเดล AI

  3. ลดต้นทุนและเพิ่มประสิทธิผล (Reduce costs, improve effectiveness)

  4. อีกวัตถุประสงค์หนึ่งคือการลดต้นทุนในการคำนวณและการจัดเก็บของโมเดล รวมไปถึงการลดความหน่วงในการฝึกโมเดลและการคาดการณ์ผลลัพธ์ ซึ่งต้นทุนที่ลดลงนี้มาจากการที่ความต้องการในการคำนวณลดลงนั่นเอง

  5. การเพิ่มประสิทธิผลเชิงคำนวณสามารถทำได้ด้วย:

  • การลดจำนวน feature และปริมาณข้อมูลที่ต้องใช้ในการฝึกโมเดล

  • การลดจำนวน feature และข้อมูลใน API call

  • มั่นใจว่าข้อมูลมีประโยชน์และมีพลังในการคาดการณ์สำหรับโมเดล ซึ่งเป็นการเพิ่มความเป็นประโยชน์ต่อผู้ใช้และคุณค่าต่อธุรกิจ

  • การมีคำจำกัดความ (definitions) ของ feature ที่ชัดเจน มีการจัดการเวอร์ชัน และผ่านการทดสอบแล้ว จะช่วยในเรื่องการใช้งานได้ทั้งในกระบวนการฝึกและกระบวนการใช้งานจริง

  • การทำ snapshot ตรรกะและคำจำกัดความของโมเดล มีประโยชน์สำหรับผู้ใช้และนักพัฒนาในอนาคต

  1. ช่วยให้โมเดลสามารถอธิบายได้ (Boost model explainability) การที่โมเดลสามารถอธิบายได้ (Model explainability/interpretability) คือระดับที่ใครสักคนสามารถคาดการณ์ผลลัพธ์ของโมเดลได้อย่างสม่ำเสมอ ซึ่งจุดนี้มีคุณค่าสูงและเป็นสิ่งจำเป็นสำหรับ use case ของระบบ AI จำนวนมาก

การอธิบายโมเดลได้เป็นสิ่งสำคัญที่จะช่วยยืนยันความเป็นธรรม ความเป็นส่วนตัว ความน่าเชื่อถือ ความทนทาน ความสัมพันธ์เชิงเหตุและผล และความไว้วางใจ กล่าวอีกนัยหนึ่ง มันส่งผลกระทบต่อสถานการณ์ที่โมเดลสามารถสร้างผลกระทบที่สำคัญต่อผู้ใช้และสังคมโดยรวม ไม่ว่าจะโดยทางตรงหรือทางอ้อม


สรุป

โมเดลของระบบ AI จะถูกสร้างขึ้นในช่วงขั้นตอนการพัฒนา ซึ่งขั้นตอนนี้เกี่ยวข้องกับ feature engineering การฝึกโมเดล (model training) ไปจนถึงการทดสอบและตรวจสอบความถูกต้องของโมเดล (model testing and validation)

ดู 112 ครั้ง
bottom of page