Day 7 - 目前(传统)的机器学习三步骤(2)-关键特徵

第二步 Features 找出关键特徵

• 特徵精准分三等级
  1.原始数据:由目前的原始数据，尝试找出关键特徵，有一点测试的意味，trial and error。
  2.专业知识:依照领域专家的知识，在知识的基础下，尝试时列出关键特徵。
  3.专家见解:依照目的，由专家提供特别的见解，客制化地列出关键特徵。

• 这麽多的特徵，那些特徵features 是重要? 根据不同的状况，策略如下(wiki)

  • Filter method : 由经验或来自专家的建议。
  • Wrapper method : 由学习模式(learning model)来验证哪些特徵是对。
  • Embedded method : 由学习模式(learning model)及结果(performance)来验证哪些特徵是对。

• Filter method :
  

• Wrapper method
  

• Embedded method
  

• 依据 Y 的特性

  • Supervised Learning: Every x comes with corresponding y in the training data.
  • Unsupervised Learning: Every x comes without corresponding y in the training data.
  • Semi-supervised Learning: Partial x comes with corresponding y in the training data.

• Supervised Learning : 例如由天气的资料(X) 决定棒球赛是否举行(Y)
  

• Unsupervised Learning : 例如由影像个体辨识
  

注:本文是搜寻数个网站及各种不同来源之结果,着重在学习,有些内容已难办别出处,我会尽可能列入出处,若有疏忽或出处不可考,请联络我, 我会列入, 尚请见谅。