Pro každé systémové rozhodnutí, včetně modelů strojového učení, je důležité mít k dispozici bohatý a komplexní soubor dat. Jen tak lze vytvořit robustní a výkonný model s požadovaným výkonem. V opačném případě by vývojář čelil takzvanému GIGO efektu (garbage in – garbage out). Jedná se o výraz, který říká, že nekvalitní vstupní data poskytují nekvalitní výstupy. Přestože existuje několik datových platforem automatizujících celý proces ETL (extrakce, transformace, načítání), někdy tato řešení mohu být zbytečně komplikovaná nebo předpřipravená řešení nemusí vyhovovat vašim konkrétním potřebám. (Pokračování textu…)

V rámci výzkumu využitelného mimo jiné v aplikaci StockPicker jsme se v posledních dnech zabývali výběrem proměnných vstupujících do modelu. Když je proměnných moc, model má horší schopnost generalizovat a tím pádem je méně robustní a náchylnější k chybám.

• Metoda je podrobněji popsána v anglické verzi příspěvku.

• Potřebujete extrahovat informace z vašich dat, neváhejte se s námi poradit.