Ein Unternehmen kennzeichnet jeden Finanztransaktionsdatensatz als „persönlich“ oder „geschäftlich“ und speichert diese Kategorie zusammen mit dem Datensatz. Welcher Datenvorbereitungsschritt wird hier beschrieben?

Datenkennzeichnung (Data Labeling) ist der Prozess, bei dem Rohdaten (wie Bilder, Textdateien, Videos oder Finanztransaktionen) mit beschreibenden oder informativen Tags versehen werden. Im vorliegenden Fall werden Finanztransaktionsdatensätze mit den Kategorien „persönlich“ oder „geschäftlich“ versehen, was eine Form der Datenkennzeichnung darstellt. Dies ist entscheidend für das Training von Machine-Learning-Modellen, da es dem Modell ermöglicht, Muster zu erkennen und zukünftige, ungelabelte Daten korrekt zu klassifizieren. Datenkodierung (Data Encoding) bezieht sich auf die Umwandlung von Daten in ein anderes Format, oft numerisch, für die Verarbeitung durch Algorithmen. Datennormalisierung (Data Normalization) skaliert numerische Daten auf einen Standardbereich. Datenausgleich (Data Balancing) befasst sich mit der Anpassung der Verteilung von Klassen in einem Datensatz, um Verzerrungen zu vermeiden. Keiner dieser Begriffe beschreibt das Hinzufügen von beschreibenden Kategorien zu Datensätzen.