特徵工程與選擇

進階預測可以在執行預測之前，對資料進行特徵工程和特徵選擇，進而提升預測準確度。

定義「進階預測」時，管理員可以在資料準備頁面上選取新選項：啟用自動化特徵工程與選擇。此選項預設已選取。

特徵工程是透過轉換現有特徵或建立新特徵以提升模型效能，為機器學習準備資料的程序。自動化特徵工程可加速此程序，進而建立準確度更高的優質模型。

如果沒有特徵工程，所有動因都只會依原樣處理。透過特徵工程，會從特徵衍生額外資訊，進而提升預測準確度。將套用以下類型的轉換：

• 以時間為基礎的特徵。例如，一週中的特定日子是否有更大的影響？
• 滯後效應。例如，業務動因對目標的滯後效應為何？如六月的行銷支出對八月的銷售量影響。
• 聚總轉換。例如，滾動平均值對業務動因的影響為何，而非單一資料點？

選取啟用自動化特徵工程與選擇時，會建立多個經特徵工程處理的特徵，並選取前 15 個 (或更少) 特徵，用於產生模型及進行預測。特徵重要性圖表會顯示所選的前 15 個特徵對於輸出變數的重要性。

若未選取啟用自動化特徵工程與選擇，則不會建立任何經特徵工程處理的特徵。然而，仍會評估特徵重要性，並從模型中排除任何不重要的特徵。所有其他特徵將依原樣直接用於模型產生。

特徵重要性圖表會顯示所指定特徵對於輸出變數的重要性。此圖表顯示前九個特徵；其餘特徵依其百分比值聚總，分組在其他標題之下。

您可以在解釋預測畫面中查看特徵工程與特徵選擇的影響：在含「進階預測」預測值的表單中，用滑鼠右鍵按一下含預測資料的儲存格，然後選取解釋預測。在特徵重要性頁籤及預測分析頁籤中，複查預測的詳細資料。

如果您選取 AutoMLx 作為演算法，請注意，AutoMLx 會根據準確性自動選取單變量或多變量模型。

如果選取單變量模型，特徵重要性圖表只會顯示與輸出/目標相關的特徵，例如目標趨勢、目標 N 個期間前、目標差異變化以及目標循環趨勢 (如適用)。

單變量模型的特徵重要性圖表看起來如下：

特徵工程會找出輸入特徵與輸出變數之間的隱藏關係。設計良好的特徵能讓模型擷取更相關的資訊，進而提升模型效能並做出更準確的預測。

特徵選擇可識別影響預測準確性的最相關業務動因，並過濾掉「雜訊」或低影響變數，以避免過度擬合。它還透過減少複雜度和處理時間以提升效能。根據預測能力對特徵進行排名，以支援可解釋性。

請注意下列事項：

• 預設會選取啟用自動化特徵工程與選擇。
• 選取啟用自動化特徵工程與選擇會增加執行預測所需的時間。