知识卡片
特征决定边界
kNN、决策树、逻辑回归等传统模型形式不同,却都要求先用若干特征表示样本,把对象映射到可计算的空间里;从原始数据中抽象出最能代表其性质的特征,即特征工程,是影响效果的关键因素之一,而且依赖人的领域知识。评估 AI 方案时,除了问用什么算法,更要问业务对象有哪些可采集、可解释、稳定的特征。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第3章《人工智能技术》(源文件:_epub-src/OEBPS/text00007.html)
- 结论依据:原文说明kNN要求每个训练样本由若干用于分类的特征表示,并映射到坐标系中;kNN、ID3决策树、逻辑回归、支持向量机等传统机器学习算法要求以关键特征代替原始数据输入,从原始数据中抽象特征(特征工程)是影响模型表现的关键因素之一。
- 原始内容:且每个训练样本都由若干个用于分类的特征来表示。……而怎样从原始数据中抽象出最能代表其性质的特征就成为影响模型最终表现的关键因素之一,这个过程也被叫作特征工程。