特征 (机器学习)維基百科,自由的 encyclopedia 在机器学习和模式识别中,特征是被观测对象的可测量性能或特性[1]。在模式识别、分类和回归中,信息特征的选择、判别和独立特征的选择是有效算法的关键步骤。特征通常是数值型的,但语法模式识别(英语:Syntactic pattern recognition)可以使用结构特征(如字符串和图)。“特征”的概念与線性回歸等统计技术中使用的解释变量有关。 此條目可参照英語維基百科相應條目来扩充。 (2020年1月13日)
在机器学习和模式识别中,特征是被观测对象的可测量性能或特性[1]。在模式识别、分类和回归中,信息特征的选择、判别和独立特征的选择是有效算法的关键步骤。特征通常是数值型的,但语法模式识别(英语:Syntactic pattern recognition)可以使用结构特征(如字符串和图)。“特征”的概念与線性回歸等统计技术中使用的解释变量有关。 此條目可参照英語維基百科相應條目来扩充。 (2020年1月13日)