Навчання ознак
набір методів, які вивчають функцію: перетворення необроблених вхідних даних у представлення, яке можна ефективно використовувати в завда / З Вікіпедії, безкоштовно encyclopedia
Шановний Wikiwand AI, Давайте зробимо це простіше, відповівши на ключові запитання:
Чи можете ви надати найпопулярніші факти та статистику про Навчання подань?
Підсумуйте цю статтю для 10-річної дитини
В машинному навчанні навча́ння озна́к (англ. feature learning) або навча́ння предста́влень (англ. representation learning)[1] — це набір методик, що дозволяє системі автоматично виявляти представлення, необхідні для виявлення ознак, або класифікування з сирих даних. Воно замінює ручне конструювання ознак і дозволяє машині як навчатися ознак, так і застосовувати їх для виконання конкретного завдання.
Необхідність у навчанні ознак обумовлено тим фактом, що такі завдання машинного навчання, як класифікування, часто потребують входу, що є математично та обчислювально зручним для обробки. Проте дані реального світу, такі як зображення, відео та давачеві вимірювання, ще не піддаються спробам алгоритмічного визначення конкретних ознак. Альтернативою є виявляти такі ознаки або представлення через дослідження, не покладаючись на явні алгоритми.
Навчання ознак може бути або керованим, або некерованим.
- У керованому навчанні ознак машина навчається ознак із застосуванням мічених входових даних. До прикладів належать керовані нейронні мережі, багатошаровий перцептрон та (кероване) навчання словника[en].
- У некерованому навчанні ознак машина навчається ознак з неміченими входовими даними. До прикладів належать навчання словника, метод незалежних компонент[en], автокодувальники, розклад матриць[2] та різні види кластерування.[3][4][5]