Features i maskininlärning är de mätbara egenskaper som en modell får som indata, till exempel boarea och antal rum för en bostad. Inom maskininlärning räknar modellen bara på de värden vi matar in, inte på vad de betyder för oss.
Därför är egenskaper, särdrag och variabler i maskininlärning viktiga att förstå. Om du vet vad en feature är, hur den skiljer sig från en etikett och hur rådata görs om till användbara kolumner, blir många algoritmsidor lättare att följa.
I korthet
- En feature är en mätbar egenskap hos ett exempel, till exempel boarea eller antal rum.
- En etikett, på engelska label, är svaret modellen ska lära sig att förutsäga. Den är inte en feature.
- Numeriska egenskaper är tal. Kategoriska egenskaper hör till diskreta kategorier och måste ofta kodas om till tal.
- Feature engineering är arbetet med att välja, skapa, koda och ibland skala egenskaper från rådata.
- Fel val av kolumner kan ge sämre modell, överanpassning, läckage eller snedvridning.
Vad är en feature i maskininlärning?
En feature, på engelska feature, är en mätbar egenskap hos ett exempel som modellen använder som indata. På svenska säger man ofta egenskap. Ibland används också särdrag eller variabel. Om exemplet är en bostad kan egenskaperna vara boarea, antal rum, område och byggår.
Varje exempel blir till slut en rad värden, en kolumn för varje egenskap. Det är den raden modellen räknar på. Modellen ser alltså inte ”en ljus trea nära parken”. Den ser bara de värden som människor har valt att lägga i kolumnerna.
Vad är skillnaden mellan feature och label?
I övervakad inlärning finns både indata och facit. Egenskaperna är indata. Etiketten, på engelska label, är facit som modellen ska lära sig att förutsäga. Om uppgiften är att uppskatta ett bostadspris är priset etiketten, inte en egenskap.
| Kolumn | Roll | Exempelvärde |
|---|---|---|
| Boarea | Feature | 84 |
| Antal rum | Feature | 3 |
| Område | Feature | Centrum |
| Byggår | Feature | 1998 |
| Pris | Label | 3 450 000 |
Det här är samma idé som på sidan om linjär regression, där en enkel modell kopplar samman indata med ett tal som ska förutsägas. Ordet feature och label dyker upp i många sådana exempel, så det är bra att skilja dem åt tidigt.
Vilka typer av egenskaper finns?
Två vanliga typer är numeriska och kategoriska egenskaper. Numeriska egenskaper är tal, som boarea, ålder eller temperatur. Kategoriska egenskaper är värden som hör till diskreta kategorier, som kommun, färg eller bostadsområde. De kan inte bara lämnas som text om modellen ska kunna räkna på dem.
Hur fungerar one-hot-kodning?
Ett vanligt sätt att koda kategorier är one-hot-kodning, på engelska one-hot encoding. Tänk att kolumnen område har tre möjliga värden: Centrum, Förort och Landsbygd. Då gör man tre nya kolumner: område_Centrum, område_Förort och område_Landsbygd. Om bostaden ligger i Centrum blir raden 1, 0, 0. På så sätt får modellen tal att arbeta med utan att vi låtsas att en kategori är ”större” än en annan.
Vad är feature engineering?
Feature engineering, på svenska ungefär egenskapsframtagning, är arbetet med att välja, skapa och omvandla egenskaper från rådata. Ofta är det en stor del av jobbet. Rådata är sällan färdig att använda direkt, så man behöver tänka igenom vilka kolumner som faktiskt kan hjälpa modellen.
Rådata
Börja med det du har, till exempel bostadsannonser med text, datum, område, boarea och slutpris.
Välj
Plocka ut de kolumner som verkar relevanta för uppgiften.
Skapa nya
Bygg nya egenskaper av gamla, till exempel pris per kvadratmeter eller veckodag från ett datum.
Koda kategorier
Gör om kategoriska kolumner till tal, ofta med one-hot-kodning.
Skala vid behov
Justera numeriska kolumner om metoden påverkas mycket av olika skalor.
När kolumnerna är framtagna brukar man jämföra olika uppsättningar och se vad som faktiskt hjälper modellen på data den inte tränats på. Hur man delar upp sådana data hör hemma på sidan om träningsdata.
Testa själv
1. Öppna ett kalkylark och skriv in fem bostäder med kolumnerna boarea, rum och pris.
2. Lägg till en ny kolumn som delar pris med boarea, alltså pris per kvadratmeter.
3. Nu har du gjort feature engineering för hand genom att skapa en ny egenskap från rådata.
Varför behöver egenskaper ibland skalas?
Olika kolumner kan ligga på helt olika skalor. Antal rum kanske ligger mellan 1 och 8, medan en annan kolumn kan innehålla mycket större tal. För avståndsbaserade metoder spelar det stor roll. I k-närmaste granne kan en kolumn med stora tal annars väga tyngre än andra kolumner, bara för att siffrorna råkar vara större.
Skalning kan också hjälpa när en modell tränas med gradientnedstigning, alltså en metod som steg för steg justerar modellens värden för att minska felet. Då kan inlärningen bli jämnare och stabilare. Det betyder inte att skalning är lika viktig för alla modeller, utan främst för metoder där avstånd eller optimering påverkas mycket av skalan.
Hur väljer man bort onödiga kolumner?
Egenskapsurval, ofta kallat feature selection, betyder att man väljer bort kolumner som inte hjälper. En extra kolumn är inte automatiskt bra bara för att den finns. Om den mest tillför brus, upprepar annan information eller saknar tydlig koppling till uppgiften kan den göra modellen rörigare och svårare att tolka.
För många irrelevanta egenskaper kan också bidra till överanpassning. Då lär sig modellen detaljer och slump i träningsdatan i stället för mönster som håller för nya exempel. Ofta blir en enklare uppsättning kolumner mer robust än att mata in allt man råkar ha.
Vilka risker finns med valet av features?
Läckage kan ge falskt bra resultat
Läckage betyder att en kolumn på något sätt avslöjar svaret. Det kan vara information som i praktiken innehåller utfallet, eller som bara finns tillgänglig efter att utfallet redan är känt. Då ser testresultatet bättre ut än modellen egentligen är. Problemet är alltså inte bara att en egenskap är dålig, utan att den råkar bära på facit.
Proxyvariabler kan skapa snedvridning
En kolumn behöver inte vara känslig i sig för att ställa till problem. Postnummer kan till exempel fungera som proxyvariabel för inkomst eller etnicitet. Då kan modellen lära sig mönster som leder till orättvisa skillnader, även om tydligt känsliga uppgifter tagits bort. Det är en viktig del av ämnet algoritmisk bias.
Handgjorda och inlärda egenskaper: vad är skillnaden?
I många klassiska modeller gör människor mycket av arbetet själva. Man väljer kolumner, skapar nya egenskaper, kodar kategorier och skalar tal vid behov. I djupinlärning lär sig modellen ofta fler representationer själv från rådata som pixlar, ljud eller text. Ett exempel är embeddings, som ger talrepresentationer där liknande saker hamnar närmare varandra.
Men grundidén är densamma oavsett metod. Modellen vet inte vad boarea betyder och den har ingen mänsklig förståelse av kolumnerna. Den hittar bara mönster i hur värdena brukar hänga ihop med etiketten. Därför blir valet av egenskaper så viktigt. Om du vill slå upp fler ord runt feature och label finns vår ordlista.
Vanliga frågor
Är feature och variabel samma sak?
Ofta används orden nästan som synonymer. I maskininlärning brukar feature betyda en variabel som faktiskt matas in i modellen. Ordet variabel kan också användas bredare om alla kolumner i en tabell, även sådana som inte används som indata.
Måste alla features vara tal?
Till slut behöver modellen numeriska representationer för att kunna räkna. Men vägen dit kan se olika ut. Kategorier kodas ofta om med one-hot-kodning, och text, bilder eller ljud kan omvandlas på andra sätt.
Vad är skillnaden mellan feature engineering och feature selection?
Feature engineering är hela arbetet med att välja, skapa och omvandla egenskaper från rådata. Feature selection, eller egenskapsurval, är den del där man bestämmer vilka kolumner som ska få vara kvar. Den ena bygger upp, den andra sållar bort.
Är fler egenskaper alltid bättre?
Nej. Fler kolumner kan ibland hjälpa, men irrelevanta kolumner kan göra modellen sämre. De kan öka risken för överanpassning och göra resultatet svårare att tolka.
Kan en till synes neutral kolumn vara problematisk?
Ja. En kolumn som postnummer kan fungera som proxy för något annat, till exempel inkomst eller etnicitet. Då kan modellen lära sig snedvridna mönster trots att känsliga uppgifter inte finns med öppet.
Källor
- https://en.wikipedia.org/wiki/Feature_(machine_learning)
- https://developers.google.com/machine-learning/glossary
- https://developers.google.com/machine-learning/crash-course/categorical-data
- https://en.wikipedia.org/wiki/One-hot
- https://en.wikipedia.org/wiki/Feature_engineering
- https://en.wikipedia.org/wiki/Feature_scaling
- https://scikit-learn.org/stable/modules/preprocessing.html
- https://developers.google.com/machine-learning/crash-course/numerical-data
Skriven av AI-redaktionen. Texten är researchad och faktakontrollerad mot källorna ovan.
Senast uppdaterad: 9 november 2026