知识卡片
人工特征依赖领域先验
人工特征工程由人设计规则,把原始数据转换为分类器可用的数值。用于文本分类时,可以先按任务挑选词频作为特征,再学习如何由词频判断类别。研究者可以检查源数据中哪些特征有效,而模型也受限于人事先挑出的信息。训练时可根据验证表现调整规则。
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
- 一入侯门“深”似海,深度学习深几许 1.4 机器学习的4个象限 · 查看原书依据
传统的机器学习专家们,把大部分时间都花在如何寻找更加合适的特征上。因此,早期的机器学习专家非常辛苦。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第01章《一入侯门“深”似海,深度学习深几许》,1.4 机器学习的4个象限(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter6_0004.xhtml#txt001_5)
- 结论依据:原文描述先做特征提取、再分类的工作流,并讨论人工特征的选择成本和可调整性。
- 原始内容:传统的机器学习专家们,把大部分时间都花在如何寻找更加合适的特征上。因此,早期的机器学习专家非常辛苦。