Feature space (feature vector)

Wat is een feature vector?

Een feature vector is een rijtje getallen dat één gegevenspunt beschrijft: elke positie in het rijtje staat voor één kenmerk (feature). Een klant kan bijvoorbeeld de vector (30, 40.000, 15.000) zijn voor leeftijd, inkomen en uitgaven. Alle mogelijke vectoren samen vormen de feature space, de kenmerkenruimte waarin een model je data ziet. De vector is dus het punt, de space is de ruimte waarin dat punt ligt.

Hoe werkt het?

Machine learning-algoritmen kunnen alleen met getallen rekenen. Daarom wordt elk gegevenspunt eerst omgezet naar een feature vector. Getallen zoals leeftijd of omzet kunnen direct mee; categorieën zoals “branche” of “kleur” worden eerst gecodeerd naar getallen. Ook tekst en afbeeldingen worden vectoren: een foto wordt een lange reeks pixelwaarden of geleerde kenmerken, een zin wordt een betekenisvector (embedding). Daarna kan het model rekenen met afstanden tussen vectoren: vectoren die dicht bij elkaar liggen, vertegenwoordigen vergelijkbare gevallen.

Wat heb je eraan als bedrijf?

Dit is de vertaalslag waarmee jouw bedrijfsdata bruikbaar wordt voor AI. Het verklaart ook waarom datakwaliteit zo belangrijk is: een model ziet alleen wat er in de vector zit. Staat een relevant kenmerk er niet in, dan kan het model er niets mee. Vectordatabases, de techniek achter semantisch zoeken en veel AI-assistenten op eigen documenten, zijn niets anders dan opslagplaatsen vol feature vectoren waarin razendsnel op gelijkenis wordt gezocht.

Gerelateerde begrippen

De vector leeft in de feature space. Welke kenmerken erin komen, bepaal je met feature engineering en feature selection. Betekenisvectoren voor tekst heten embeddings.