Feature Engineering คืออะไร? การแปลงข้อมูลดิบให้โมเดลเรียนรู้ได้ดีขึ้น

Updated · By Viviai

Feature Engineering (วิศวกรรมค่าแทนลักษณะ หรือการสกัดค่าแทนลักษณะ) คือ กระบวนการใช้ความรู้เกี่ยวกับข้อมูลเพื่อสร้าง ตัดแปลง หรือคัดเลือกค่าแทนลักษณะ (feature) ที่เหมาะกับงานออกจากข้อมูลดิบ ค่าแทนลักษณะที่ดีจะช่วยให้โมเดลจับรูปแบบได้ง่ายและแม่นยำขึ้น แม้โมเดลจะเป็นตัวเดียวกันก็ตาม

วิศวกรรมค่าแทนลักษณะคืออะไร

ข้อมูลดิบในโลกจริงมักอยู่ในรูปแบบที่โมเดลใช้ไม่ได้ทันที เช่น วันที่ ข้อความ หรือค่าที่หน่วยต่างกัน Feature engineering จะแปลงสิ่งเหล่านี้เป็นตัวแปรที่โมเดลสามารถประมวลผลและเรียนรู้ได้

ลองนึกภาพการเตรียมวัตถุดิบก่อนปรุงอาหาร: วัตถุดิบคุณภาพดีและเตรียมมาดีจะทำให้อาหารออกมาดี แม้ใช้สูตรเดียวกัน ค่าแทนลักษณะก็เป็นวัตถุดิบที่ป้อนให้การเรียนรู้ของเครื่อง

ค่าแทนลักษณะคืออะไร

ค่าแทนลักษณะ (feature) คือคุณสมบัติที่วัดได้ของแต่ละตัวอย่าง เช่น อายุ ราคา ความยาวข้อความ หรือพิกัด หลายโมเดลต้องการตัวเลข จึงต้องแปลงข้อมูลที่ไม่ใช่ตัวเลขก่อน

ทำอะไรได้บ้าง

สร้างตัวแปรใหม่

รวมข้อมูลที่มีอยู่เป็นค่าใหม่ที่เป็นประโยชน์ เช่น แยกวันในสัปดาห์จากวันที่ หรือคำนวณอัตราส่วนจากสองค่า

แปลงข้อมูลประเภท

แปลงหมวดหมู่หรือข้อความให้โมเดลอ่านได้ เช่น การเข้ารหัสกลุ่ม หรือใช้เอ็มเบ็ดดิงกับข้อความ

การปรับสเกล

ปรับค่าตัวเลขให้อยู่ในช่วงใกล้เคียงกัน เพื่อไม่ให้ค่าที่มีหน่วยใหญ่กว่าครอบงำการคำนวณ

จัดการค่าที่หายไป

เติมหรือจัดการค่าที่ไม่มีบันทึกอย่างเป็นระบบ เพื่อไม่ให้โมเดลทำงานผิดพลาด

ตารางสรุป

งาน ตัวอย่าง
สร้างตัวแปร แยกวัน คำนวณอัตราส่วน
แปลงข้อมูล เข้ารหัสหมวดหมู่ เอ็มเบ็ดดิงข้อความ
ปรับสเกล ทำให้ค่าอยู่ช่วงเดียวกัน
ค่าหายไป เติมค่าหรือแยกวิธีจัดการ

กับกระบวนการที่ใกล้เคียง

ใช้งานที่ไหน

เหตุใดจึงสำคัญ

FAQ

Feature Engineering คืออะไร?

กระบวนการสร้าง แปลง หรือคัดเลือกค่าแทนลักษณะจากข้อมูลดิบให้เหมาะกับโมเดล ช่วยเพิ่มความแม่นยำ

Feature กับตัวแปรต่างกันไหม?

ในที่นี้หมายถึงสิ่งเดียวกัน คือคุณสมบัติที่วัดได้ของตัวอย่างที่ป้อนเข้าโมเดล

Feature Selection ต่างอย่างไร?

Feature engineering เน้นสร้างและแปลง ส่วน feature selection เน้นคัดเลือกค่าที่มีประโยชน์และตัดส่วนที่ไม่จำเป็นออก

ทำไมต้องปรับสเกล?

เพื่อไม่ให้ค่าที่มีตัวเลขใหญ่กว่าครอบงำโมเดล แม้ค่านั้นไม่ได้สำคัญกว่าจริง

ต้องเป็นผู้เชี่ยวชาญข้อมูลไหม?

ไม่จำเป็น การเริ่มต้นสามารถทำความเข้าใจข้อมูลและลองแปลงค่าพื้นฐานตามลักษณะงานได้

สรุป

Sources

  1. https://th.wikipedia.org/wiki/%E0%B8%A7%E0%B8%B4%E0%B8%A8%E0%B8%A7%E0%B8%81%E0%B8%A3%E0%B8%A3%E0%B8%A1%E0%B8%84%E0%B9%88%E0%B8%B2%E0%B9%81%E0%B8%97%E0%B8%99%E0%B8%A5%E0%B8%B1%E0%B8%81%E0%B8%A9%E0%B8%93%E0%B8%B0
  2. https://en.wikipedia.org/wiki/Feature_engineering

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free