汽车网站开发,郑州网站建设公司 艾特,wordpress 免费外贸,商城网站具体需求一、首先我们看三个例子
例一#xff1a;在辨别水果的任务中#xff0c;人类一般会通过外观、味道、颜色等方面信息来进行区分。而机器学习则通过水果的颜色、重量、气味成分的量等被称之为“特征量”的数值来区分。
例二#xff1a;在手写数字识别任务中#xff0c;人类…一、首先我们看三个例子
例一在辨别水果的任务中人类一般会通过外观、味道、颜色等方面信息来进行区分。而机器学习则通过水果的颜色、重量、气味成分的量等被称之为“特征量”的数值来区分。
例二在手写数字识别任务中人类可以很简单的识别出数字5但却很难说明基于何种规律或是特征识别出了5这是因为每一个人都有不同的书写习惯要发现其规律非常困难。
例三在猫狗分类的任务中如果用有尾巴有眼睛鼻子嘴巴等特征来区分猫狗显然是无法进行区分的因为这些特征猫狗都有。
二、特征量的定义 在机器学习中特征量Feature是指用于描述或刻画数据实例的属性、变量或指标。每一个特征代表了原始数据的一个特定维度上的信息它们是模型进行学习和预测的基础。上面三个例子中水果的外观、味道、颜色就是特征量猫狗的鼻子眼睛嘴巴就是特征量。
三、特征量的瓶颈 上述的例子中有比较容易考虑特征量的问题也有难以考虑特征量的问题。如果只是为了学习输入一个不太靠谱的特征量也可以进行学习不过为了提高算法性能选择怎么样的特征量这件事情就十分重要。 机器学习的方法中特征量仍然是由人工设计的而在神经网络中数据所包含的重要特征都是由机器来学习到的。下图中没有人工介入的地方用灰色表示
