Feature-Transformation im Machine Learning: Warum, wann und wie?
Die Transformationsparameter stellen den bestmöglichen Kompromiss zwischen den Quell- und Ziel-Passpunkten dar. Er ist ein Maß für die Übereinstimmung der tatsächlichen Positionen mit den transformierten Positionen der Ausgabe-Passpunkte. Beim Erstellen der Links für Transformationen versuchen Sie, dieselbe Position in den Quell- und Zielpositionen zu finden. Ein Beispiel sei ein Straßen-Layer, den Sie an die Position anderer Daten transformieren oder verschieben möchten, in denen eine Luftaufnahme enthalten sein kann. Wenn Sie Versatz-Links erstellen, könnte das Von-Ende an einer Kreuzung im Straßen-Layer platziert werden, während das Bis-Ende an der entsprechenden Kreuzung auf dem Bild platziert werden sollte. Die Entfernung zwischen den Quell- und Zielpositionen kann häufig ziemlich groß sein.
Klicken Sie auf Links aus Datei laden , um vordefinierte Versatz-Links zu laden, die sich in einer mit ArcMap erstellten Link-Datei befinden. Das Werkzeug Transformieren ändert unter Verwendung von Versatz-Links, die bekannte Positionen und entsprechende Zielpositionen angeben, die geometrische Form ausgewählter Features. Eine der grundlegendsten Methoden im Feature Engineering ist die Berechnung von Interaktionen (interaction features). Einfach gesagt heißt das, dass eine Kombination aus zwei oder mehreren Features berechnet wird, um einen inhaltlichen Mehrwert zu schaffen. Insgesamt ist Feature Engineering ein sehr wichtiger Teil in jedem datenbasierten Projekt und fällt in die Kategorie “Data Preparation”.
Als einfaches Beispiel kann man Kundendaten anführen, in denen der Wohnort angegeben ist. Nun kann man dadurch eine Dummy Variable generieren, ob die Person in einer Stadt oder eher im ländlichen Raum wohnt. Dabei gelten alle grundlegenden Rechenoperationen (Multiplikation, Division, Summen, Abstraktionen) als Möglichkeit, eine Interaktion zu erstellen. In jedem Fall gilt es auch immer zu überprüfen, ob ein interaktives Feature einen Mehrwert gegenüber den Rohattributen bietet. Eine der häufigsten Operation im Feature Engineering ist die Transformation von Features in aussagekräftige Werte. Dabei wird ein vorhandenes Attribut genutzt um es in einen sinnvolleren Wert zu interpretieren.
Nach vielen Transformationen, Erstellung von neuen Features und ähnlichem gilt es vor der Nutzung der Daten noch aufzuräumen. Dazu werden alle ungenutzten, unnötigen und redundanten Attribute entfernt, um einen finalen Datensatz zu erhalten. sportaza sportwetten Manchmal müssen Sie eine Anpassung, in der Regel eine Transformation, durchführen, bei der Sie keine Daten an der Zielposition haben und das Bis-Ende eines Versatz-Links nicht interaktiv platzieren können. Angenommen, Sie haben einige Daten digitalisiert und möchten sie von den Einheiten des Digitalisierungsgeräts in reale Koordinaten transformieren. In diesem Fall dürften Sie die realen Koordinaten einiger Feature-Positionen in Ihren Daten kennen, wie zum Beispiel eine Straßenkreuzung oder die Position eines Brunnens. Für die Ähnlichkeitstransformation werden mindestens zwei Versatz-Links benötigt.
- Eine der grundlegendsten Methoden im Feature Engineering ist die Berechnung von Interaktionen (interaction features).
- Dazu werden alle ungenutzten, unnötigen und redundanten Attribute entfernt, um einen finalen Datensatz zu erhalten.
- Bei einer affinen Transformation können die Daten unterschiedlich skaliert, verzerrt, gedreht und übertragen werden.
- Manchmal müssen Sie eine Anpassung, in der Regel eine Transformation, durchführen, bei der Sie keine Daten an der Zielposition haben und das Bis-Ende eines Versatz-Links nicht interaktiv platzieren können.
- So gibt es zum Beispiel oft unscheinbare Features, die allerdings zentral zur Unterscheidung von Kunden beitragen.
Interpolation of nearby data for accurate position
In den einfachsten Fällen sind dies Rechenoperationen oder auch IF-ELSE Bedingungen, die basierend auf dem Inhalt in eine Kategorie einordnen. So gibt es zum Beispiel oft unscheinbare Features, die allerdings zentral zur Unterscheidung von Kunden beitragen. Als Feature Engineering werden alle Prozesse bezeichnet, bei denen Rohdaten so aufbereitet werden, dass sie direkt von Machine Learning Algorithmen verarbeitet werden können. Die Idee ist, dass man durch Feature Engineering eine bessere Ausgangslage für das spätere Trainieren eines Machine Learning Modells schafft, indem man relevante, aussagekräftige und korrekte Attribute mitliefert. Diese Methode wird zum Transformieren von Daten verwendet, die direkt aus Luftaufnahmen erfasst werden. Weitere Informationen finden Sie in der Literatur zum Thema Photogrammetrie, die in den Hilfsreferenzen zur räumlichen Anpassung aufgeführt sind.
Types of features
Allerdings sind zum Erzeugen eines RMS-Fehlers (Root Mean Square, quadratisches Mittel) mindestens drei Links erforderlich. Bei Transformationen werden Daten innerhalb eines Koordinatensystems verschoben. Sie werden häufig verwendet, um Daten von unbekannten Digitalisierungsgeräten oder Scanner-Einheiten in reale Koordinaten zu konvertieren. Transformationen können auch verwendet werden, um Einheiten innerhalb eines Koordinatensystems zu konvertieren, wie zum Beispiel Fuß in Meter. Um Daten zwischen Koordinatensystemen zu konvertieren, zum Beispiel geographisch in UTM, sollten Sie stattdessen die Daten projizieren.
Konvertiert die Koordinaten von Eingabe-Features von einer Position in eine andere durch Skalieren, Verschieben und Drehen basierend auf den Transformations-Links zwischen bekannten entsprechenden Passpunkten. Eine Link-Datei ist eine durch Tabulatoren getrennte ASCII-Textdatei, die pro Zeile für jeden Link zwei Paar XY-Koordinatenwerte enthält. Eine vierspaltige Link-Datei enthält ein Paar Quell- und Zielkoordinatenwerte. Eine fünfspaltige Link-Datei enthält eine ID-Spalte (Zeichenfolge oder numerisch), die den Koordinatenwerten vorangestellt ist.