Что такое датасет и признаки (features)?

Что такое датасет и признаки?

Датасет — это структурированная коллекция данных, которая используется для обучения, проверки и тестирования моделей машинного обучения. Он состоит из записей (строк) и признаков (столбцов). Признаки (features) — это входные переменные, которые модель использует для предсказания целевой переменной.

Пример

Рассмотрим задачу классификации электронных писем на спам и не спам. Датасет может содержать следующие признаки:

• Количество восклицательных знаков
• Наличие слова "бесплатно"
• Длина письма
• Время отправки

Целевая переменная — метка "спам" или "не спам".

Практический пример на Python

import pandas as pd
from sklearn.model_selection import train_test_split

# Создаем простой датасет
data = {
    'площадь': [50, 80, 120],
    'комнаты': [1, 2, 3],
    'цена': [5, 8, 12]
}
df = pd.DataFrame(data)

# Признаки (X) и целевая переменная (y)
X = df[['площадь', 'комнаты']]
y = df['цена']

# Разделение на обучающую и тестовую выборки
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

Вывод

Понимание датасета и признаков — основа работы с любыми моделями машинного обучения. Правильный выбор и предобработка признаков напрямую влияют на качество предсказаний, поэтому важно уметь выделять релевантные характеристики из данных.