知识卡片
特征工程连接数据与模型
特征工程把原始属性加工成模型能够利用的输入。例如,若原始记录是订单时间,预测任务关心周期规律,可以提取星期几和时段。变换应服务于预测任务,并且在实际预测时可以用同样的输入信息计算。
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。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习概述 1.2.3 · 查看原书依据
特征工程也被称为特征提取,为了提取知识和做出预测,机器学习使用数学模型来拟合数据,这些模型将特征作为输入。特征就是原始数据某个方面的数值表示,在机器学习流程中,特征是数据和模型之间的纽带。
参考来源
- 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.2.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_3)
- 结论依据:原文将特征定义为对原始数据某一方面的数值表示,并说明它作为模型输入。
- 原始内容:特征工程也被称为特征提取,为了提取知识和做出预测,机器学习使用数学模型来拟合数据,这些模型将特征作为输入。特征就是原始数据某个方面的数值表示,在机器学习流程中,特征是数据和模型之间的纽带。