Öznitelik Önemi (Feature Importance)

Öznitelik Önemi nedir?

Öznitelik önemi (feature importance), bir makine öğrenmesi modelinin tahminlerini yaparken hangi girdi değişkenlerine (özniteliklere) ne kadar dayandığını ölçen bir yöntemdir. Örneğin bir ev fiyatı modelinde metrekare çok önemliyken, evin kapı rengi neredeyse önemsiz olabilir.

Nasıl çalışır?

Farklı yöntemler var. Ağaç tabanlı modellerde (random forest, gradient boosting) her özniteliğin hatayı ne kadar azalttığına bakılır. Permütasyon yönteminde bir öznitelik rastgele karıştırılır ve modelin performansı ne kadar düşerse o öznitelik o kadar önemli sayılır. SHAP gibi modern yaklaşımlar ise her tahmin için her özniteliğin katkısını tek tek hesaplar. Sonuç genelde sıralı bir liste ya da çubuk grafik olarak sunulur. Önemli bir uyarı: öznitelik önemi çoğu zaman ilişki gösterir, nedensellik değil; bir değişkenin listenin tepesinde olması onun sonuca "sebep olduğu" anlamına gelmez.

Neden önemli?

Modeller çoğu zaman "kara kutu"dur; öznitelik önemi bu kutuya bir pencere açar. Hangi verinin işe yaradığını görmek, gereksiz öznitelikleri atmayı (feature selection), veri hatalarını yakalamayı ve modele güvenmeyi kolaylaştırır. Ayrıca adalet açısından kritiktir: model kararlarını cinsiyet ya da posta kodu gibi hassas bir değişkene mi dayandırıyor, bunu ancak önem analiziyle fark edersin.

Kullanım alanları

Kredi skorlaması, sağlık teşhis destek sistemleri, müşteri kaybı (churn) tahmini, dolandırıcılık tespiti... Regülasyonların "modelin neden böyle karar verdiğini açıkla" dediği her alanda öznitelik önemi, açıklanabilirlik (explainability) çalışmalarının ilk adımıdır. Veri bilimciler bir modeli teslim etmeden önce genelde bir öznitelik önemi grafiği çıkarır; beklenmedik bir değişkenin tepede olması çoğu zaman gizli bir veri sızıntısının (data leakage) işaretidir.