特征工程的特征理解（一）

思考

虽然现在深度学习非常火，端到端的方法更加是非常流行，虽然在这些方法中特征工程显得没有那么重要，但是如果把特征理解成先验知识的话，如何在各自的任务将先验知识编码进去，现在仍然是一个比较火的问题。

但是对于传统的机器学习来说，特征工程可能是整个系统最最重要的部分。好的特征工程直接决定最后系统的效果，那么所说的特征到底是什么呢？

特征其实是对一个事物的客观属性描述！！

这里我说一点自己的理解用于备忘。

假如我们有一个机器学习系统需要对人的性别进行分类。

这属于经典的模式分类问题，处理步骤如下：

1）信息获取

2）预处理：对获取信号进行规范化等各种处理

3）特征提取与选择：将识别样本构造成便于比较、分析的描述量即特征向量

4）分类器设计：由训练过程将训练样本提供的信息变为判别事物的判别函数

5）分类决策：对样本特征分量按判别函数的计算结果进行分类

而第三步的特征选择的好坏直接决定最后的性能！

转自：机器学习算法与自然语言处理

完整内容请点击“阅读原文”