Cuando nos referimos a los atributos en el ámbito de la IA, tenemos que remitirnos a los sistemas de aprendizaje automático y de reconocimiento de patrones. Esto es,
un atributo es una propiedad individual medible o característica de un fenómeno Elegir atributos informativos, discriminatorios e independientes es un elemento crucial de los algoritmos efectivos en el reconocimiento de patrones, clasificación y regresión. El concepto de ‘atributo’ está relacionado con el de variable utilizado en técnicas matemáticas como la regresión lineal.
En la creación de atributos, se utilizan comúnmente dos tipos de atributos: numéricos y categóricos.
Los atributos numéricos son valores continuos que se pueden medir en una escala. Los ejemplos de atributos numéricos incluyen la edad, la altura, el peso y los ingresos. Los atributos numéricos se pueden usar directamente en algoritmos de aprendizaje automático.
Los atributos categóricos son valores discretos que se pueden agrupar en categorías. Algunos ejemplos de atributos categóricos son género,color y código postal. Por lo general, los atributos categóricos deben convertirse en atributos numéricos antes de que puedan usarse en algoritmos de aprendizaje automático. Esto se puede hacer utilizando una variedad de técnicas, como la codificación one-hot, la codificación de etiquetas y la codificación ordinal.
El tipo de atributo que se utiliza en la creación de atributos depende del algoritmo de atributos específico que se utiliza. Algunos algoritmos deatributos, como los árboles de decisión, pueden utilizar atributos tanto numéricos como categóricos. Otros algoritmos de atributos, como la regresión lineal, solo pueden utilizar atributos numéricos.
Si representáramos los datos utilizados como una tabla, cada fila sería un ejemplo concreto de nuestra muestra y cada columna sería un»atributo» o característica de esta usada para describir los datos.