A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
Például ha egy modell azt próbálja megjósolni, hogy egy ügyfél vásárol-e, a jellemzők lehetnek: életkor, vásárlási előzmények, jövedelem. A jó jellemzők kiválasztása kritikus a modell teljesítménye szempontjából.
A „jó adatok” valójában a megfelelő jellemzőkön alapulnak, ezek határozzák meg a modell sikerességét.
Hitelminősítésnél jellemzők: fizetési előzmények, jövedelem, hitelmúlt.
Az adat minden olyan információ, amit az AI rendszerek feldolgoznak, és amiből tanulnak.
Az adatelőkészítés az a folyamat, amely során a nyers adatokat megtisztítják, átalakítják és előkészítik a modell tanításához.
A célváltozó az a kimenet, amit a modell előre szeretne jelezni.
Az embedding olyan technika, amely a szavakat vagy más elemeket számsorozatként (vektorként) ábrázolja, hogy a gép fel tudja dolgozni őket.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A tesztkészlet egy külön adathalmaz, amellyel a betanított AI-modell teljesítményét mérik.
A tokenizálás a szöveg feldarabolása kisebb egységekre, például szavakra, szótagokra vagy karakterekre.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
