從流程上,特徵提取在特徵選擇之前,與特徵選擇有很大的不同:
前者包括將任意數據(如文本或圖像)轉換爲可用於機器學習的數值特徵。後者是將這些特徵應用到機器學習中。
可以理解爲:
特徵提取是最前端的接口工作,負責將原始數據讀入計算機,雖然數據完全沒有處理,但是這是一切後續工作的第一步,相當於“糧食”。
而後針對讀入的原始數據,才進行特徵選擇的各項流程,相當於一個精細化的過程。
從流程上,特徵提取在特徵選擇之前,與特徵選擇有很大的不同:
前者包括將任意數據(如文本或圖像)轉換爲可用於機器學習的數值特徵。後者是將這些特徵應用到機器學習中。
可以理解爲:
特徵提取是最前端的接口工作,負責將原始數據讀入計算機,雖然數據完全沒有處理,但是這是一切後續工作的第一步,相當於“糧食”。
而後針對讀入的原始數據,才進行特徵選擇的各項流程,相當於一個精細化的過程。