Tanım
Özellik, İngilizce Feature kavramının Türkçe karşılığıdır. Makine öğrenimi modellerinin tahmin, sınıflandırma veya karar desteği üretmek için kullandığı ölçülebilir veri değişkeni ya da sinyaldir.
Bir müşteri modeli için yaş, son giriş tarihi, satın alma sayısı, ortalama sepet tutarı, ziyaret sıklığı veya destek talebi sayısı özellik olabilir. Model bu özelliklerden örüntü öğrenerek çıktı üretir.
Özellikler sayısal, kategorik, metinsel, zamansal veya davranışsal olabilir. Model performansı büyük ölçüde kullanılan özelliklerin kalitesine, temsil gücüne ve iş problemiyle ilişkisine bağlıdır.
Kökeni
Özellik kavramı, istatistiksel modelleme ve makine öğreniminden gelir. Bir modelin gerçek dünyayı anlaması için gözlemleri belirli değişkenler üzerinden temsil etmesi gerekir.
Geleneksel modellerde özellikler çoğu zaman insanlar tarafından tasarlanırdı. Deep learning sistemlerinde model bazı özellik temsilini veriden otomatik öğrenebilir; ancak veri seçimi ve temsil hâlâ önemlidir.
Veri bilimi geliştikçe feature engineering, feature selection ve feature store gibi alanlar özellik yönetiminin stratejik önemini artırmıştır.
Nerelerde Kullanılır?
Özellik; churn prediction, lead scoring, fraud detection, recommendation system, customer segmentation, NLP, computer vision ve reklam optimizasyonu modellerinde kullanılır.
Bir lead scoring modelinde şirket büyüklüğü, sektör, fiyatlandırma sayfası ziyareti, demo talebi ve e-posta etkileşimi özellik olarak kullanılabilir.
SEO analitiğinde sayfa uzunluğu, iç link sayısı, organik gösterim, tıklama oranı, içerik güncelliği veya backlink sayısı model özellikleri olarak değerlendirilebilir.
Örnek Kullanım
Bir churn modelinde “son 14 gündeki giriş sayısı” güçlü bir özellik olabilir. Çünkü kullanım sıklığındaki düşüş terk etme riskini gösterebilir.
Bir data scientist, “Modelin performansı düşük çünkü kullandığımız özellikler müşteri davranışını yeterince temsil etmiyor” diyebilir.
Karıştırılan Kavramlar
- Özellik ve Input: Input modele verilen tüm girdidir. Özellik, bu girdide modelin kullandığı belirli değişkendir.
- Özellik ve Değişken: Değişken genel veri alanıdır. Özellik modelleme bağlamında kullanılan değişkendir.
- Özellik ve Etiket: Etiket modelin tahmin etmeye çalıştığı hedef değerdir. Özellik bu tahmini yapmak için kullanılan girdidir.
- Özellik ve Özellik Vektörü: Özellik tekil değişkendir. Özellik vektörü bir gözlem için özelliklerin sayısal temsilidir.
İlgili Terimler
- Feature
- Feature Engineering
- Feature Selection
- Feature Store
- Machine Learning
- Dataset
- Input
- Label
- Model Training
Büyüme Mimarisi Notu
Özellik, büyüme mimarisinde modelin gerçek dünyayı nasıl gördüğünü belirler. Doğru sinyaller seçilmeden güçlü model beklemek gerçekçi değildir.
Growth modellerinde özellikler iş bağlamıyla tasarlanmalıdır. Kullanıcı davranışını, niyeti ve değeri temsil eden özellikler daha güvenilir tahminler üretir.