Fatal编程技术网
  • machine-learning/
  • Machine learning 特征工程和特征提取之间的区别是什么？

Machine learning 特征工程和特征提取之间的区别是什么？

machine-learning

Machine learning 特征工程和特征提取之间的区别是什么？,machine-learning,data-mining,feature-extraction,Machine Learning,Data Mining,Feature Extraction,我正在努力寻找这两个概念之间的区别。据我所知，两者都指将原始数据转换为更全面的特征来描述手头的问题。它们是一样的吗？如果没有，请提供这两方面的例子 当原始数据非常不同时，通常使用特征提取。尤其是当您无法使用原始数据时 例如，原始数据是图像。提取图像中对象的红色值或形状描述。这是有损的，但至少你现在得到了一些结果 特征工程是对更有意义的特征进行仔细的预处理，即使可以使用旧数据 例如，您决定使用log（x）-sqrt（y）*z代替变量x、y、z，因为您的工程知识告诉您，该导出量对解决您的问题更有意

我正在努力寻找这两个概念之间的区别。据我所知，两者都指将原始数据转换为更全面的特征来描述手头的问题。它们是一样的吗？如果没有，请提供这两方面的例子

  • 当原始数据非常不同时，通常使用特征提取。尤其是当您无法使用原始数据时

    例如，原始数据是图像。提取图像中对象的红色值或形状描述。这是有损的，但至少你现在得到了一些结果

  • 特征工程是对更有意义的特征进行仔细的预处理，即使可以使用旧数据

    例如，您决定使用log（x）-sqrt（y）*z代替变量x、y、z，因为您的工程知识告诉您，该导出量对解决您的问题更有意义。你会得到比没有更好的结果

    • 功能工程（Feature engineering）-将原始数据转换为更好地表示数据底层结构的功能/属性，通常由领域专家完成

    特征提取-将原始数据转换为所需的形式。

    这些术语通常是同义词。一个更有用的区别在于特征工程和特征选择（构建有助于机器学习方法学习的高级统计模式，而不是删除一些不太有用的特征）。我在这里写了一篇关于这个主题的入门文章：特征提取：结合现有的特征来产生一个更有用的特征[根据“实践ML与SciKit Learn，Keras&Tensorflow-Aurelian Geron”]