Ποια είναι τα χαρακτηριστικά (features) και ποιος είναι ο στόχος στην εργασία;

Σε μια εργασία μηχανικής μάθησης, χαρακτηριστικά (features) είναι οι μεταβλητές εισόδου που χρησιμοποιεί το μοντέλο για να μάθει και να κάνει προβλέψεις. Περιγράφουν αντικείμενα ή γεγονότα, π.χ., ηλικία, εισόδημα, αριθμός κλικ κ.λπ.

Ο στόχος (target) είναι η μεταβλητή που προσπαθεί να προβλέψει το μοντέλο. Για παράδειγμα, σε μια εργασία ταξινόμησης, μπορεί να είναι η ετικέτα κλάσης (spam/όχι spam), σε μια εργασία παλινδρόμησης, μια αριθμητική τιμή (τιμή σπιτιού).

Παράδειγμα:

• Χαρακτηριστικά: ηλικία, φύλο, αριθμός αγορών
• Στόχος: πιθανότητα αγοράς ενός νέου προϊόντος

Σε κώδικα Python με pandas, αυτό μπορεί να φαίνεται έτσι:

import pandas as pd

# Δεδομένα
data = pd.DataFrame({
    'ηλικία': [25, 32, 40],
    'φύλο': ['Α', 'Θ', 'Α'],
    'αγορές': [5, 3, 8],
    'θα_αγοράσει': [1, 0, 1]  # στόχος
})

features = data[['ηλικία', 'φύλο', 'αγορές']]
target = data['θα_αγοράσει']