神經網絡中「特徵」的定義是什麼？

我是神經網絡的初學者。我對feature這個詞非常困惑。你能給我一個關於feature的定義嗎？特徵是隱藏層中的神經元？神經網絡中「特徵」的定義是什麼？

來源

2015-06-05 xirururu

該功能是您的輸入向量的元素。特徵的數量等於網絡輸入層中的節點數量。

如果您使用神經網絡將人分類爲男性或女性，那麼這些特徵可能是身高，體重，頭髮長度等。這些特徵中的每一個都具有以米，千克等爲單位的初始值，然後在呈現給系統之前將被歸一化並且集中在零（特徵內）。

所以這個人：

高度：1.5米
體重：70kg
頭髮長度：0.1米

將由矢量[1.5, 70, 0.1]然後進行初始表示預處理（以後那裏將不得不在數據集中的其他項...）通過類似[-0.2, 0.4, .05]

的功能字母的圖像可以像像素的灰度值一樣簡單。其他特徵可以通過處理圖像並從功率譜中提取參數或找到邊緣等來生成。要了解更多信息，請查找有關圖像處理和特徵提取的信息。

來源

2015-06-05 15:08:53 ohruunuruus

所以這個代表向量中的特徵的數量是：3（？） – naisanza

@naisanza yep。在上面的例子中，有三個特徵用於表示每個示例（人物）：身高，體重和頭髮長度。 – ohruunuruus

神經網絡中的特徵是數據集中的變量或屬性。您通常會選擇一部分變量，這些變量可以用作模型的良好預測變量。所以在神經網絡中，特徵將是輸入層，而不是隱藏層節點。輸出是你試圖預測的任何變量（或變量）。

來源

2015-06-05 15:08:04

Thanks @Bill the Lizard and @ohruunuruus for the answers，but still still can not understand什麼意思是'手寫識別'中的特徵學習？信件的特點是什麼？有時候他們說，他們需要「學習功能」。那是什麼意思？這是否像信件的角落？ – xirururu

@xirururu對於手寫識別，您通常會掃描手寫圖像來訓練模型。如果您有數千個以10 x 10像素分辨率掃描的字母，那麼這些圖像的所有100個像素都將是您的特色。字母A將具有與字母E相比變暗的不同像素。一旦你訓練了你的模型，它將能夠根據這些特徵區分不同的字母。 [功能選擇]（http://en.wikipedia.org/wiki/Feature_selection）可能是「學習功能」的意思。 –

神經網絡中「特徵」的定義是什麼？

回答

相關問題