表征学习

✍ dations ◷ 2025-11-30 11:49:31 #表征学习

在机器学习中，特征学习或表征学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。机器学习任务，例如分类问题，通常都要求输入在数学上或者在计算上都非常便于处理，在这样的前提下，特征学习就应运而生了。然而，在我们现实世界中的数据例如图片，视频，以及传感器的测量值都非常的复杂，冗余并且多变。那么，如何有效的提取出特征并且将其表达出来就显得非常重要。传统的手动提取特征需要大量的人力并且依赖于非常专业的知识。同时，还不便于推广。这就要求特征学习技术的整体设计非常有效，自动化，并且易于推广。特征学习可以被分为两类：监督的和无监督的，类似于机器学习。监督特征学习就是从被标记的数据中学习特征。大致有一下几种方法。总体来说，字典学习是为了从输入数据获得一组的表征元素，使每一个数据点可以（近似的）通过对表征元素加权求和来重构。字典中的元素和权值可以通过最小化表征误差来得到。通过L1正则化可以让权值变得稀疏（例，每一个数据点的表征只有几个非零的权值）。监督字典学习利用输入数据的结构和给定的标签（输出）来优化字典。例如，2009年Mairal等人提出的一种监督字典学习方案被应用在了分类问题上。这个方案的优化目标包括最小化分类误差，表征误差，权值的1范数（L1正则化）和分类器参数的2范数。有监督的字典学习可以被视为一个三层神经网络（一层隐含层），第一层（输入层）到第二层（隐含层）是表征学习，第二层到第三层（输出）是分类器的参数回归。神经网络是通过多层由内部相连的节点组成的网络的一个学习算法。它的命名是受到神经系统的启发，它的每一个节点就像神经系统里的神经元，而每一条边就像一条突触。神经网络里面的每一条边都有对应的权值，而整个网络则定义运算法则将输入数据转换成为输出。神经网络的网络函数通过权值来刻画输入层跟输出层之间的关系。通过适当的调整网络函数，可以尽量最小化损耗的同时解决各种各样的机器学习任务。

相关

赫西俄德赫西俄德（希腊语：Ἡσίοδος）是古希腊诗人，他可能生活在前8世纪。从前5世纪开始文学史家就开始争论赫西俄德和荷马谁生活得更早，今天大多数史学家认为荷马更早。被称为“希腊
意大利半岛意大利半岛（意大利语：Penisola italiana），又名亚平宁半岛 (Apennines)（意大利语：Penisola appenninica）是南欧洲三大半岛之一，位居三大半岛的中间，在地中海之北。亚平宁半岛北起波河
波斯尼亚和黑塞哥维那波斯尼亚和黑塞哥维那国家和大学图书馆（NUBBiH，Nacionalna i univerzitetska biblioteka Bosne i Hercegovine）是波斯尼亚和黑塞哥维那的国家图书馆，位于萨拉热窝。图书馆修建于
环节动物门环节动物门（学名：Annelida）是动物界的一个门，该门动物为两侧对称、同律分节的裂生体腔动物，有的具疣足和刚毛，多闭管式循环系统、链式神经系统。常见环节动物有：蚯蚓、蚂蟥（又称水蛭
UpToDateUpToDate, Inc.（bip）是威科集团的 Wolters Kluwer Health部门下的公司，其主要产品是UpToDate，是可以提供照护点（英语：point-of-care）医疗资讯的软件系统。也在中国大陆推出了UpToDa
星际物质在天文学，星际物质（ISM）是存在于星系的恒星系统之外，在太空中的物质和辐射。这些物质的形式包括电离的气体、原子、和分子，以及宇宙尘和宇宙射线。它们填充了星际空间，并且顺利地
查谟和克什米尔查谟和克什米尔（Jammu and Kashmir）是一个位于印度北部的中央直辖区，分为查谟和克什米尔山谷两个专区，为印度控制的克什米尔的一部分。该地南面与旁遮普和喜马偕尔邦接壤，东北部
自我意识异常心理学行为遗传学生物心理学心理药物学认知心理学比较心理学跨文化心理学文化心理学差异心理学（英语：Differential psychology）发展心理学演化心理学实验心理学
萜类萜烯（英语：terpene，简称萜，旧称䓝，词由松节油“turpentine”而来）是一系列萜类化合物的总称，属脂类，不溶于水，是分子式为异戊二烯（C5H8）的整数倍的烯烃类化合物。萜烯是一个庞大而多样
热固性塑料热固性聚合物（英语：Thermosetting polymer，又称为热固性塑料）指具有加热后固化并且不可溶解，不融化特性的塑料，例如环氧树脂。这种塑料只可以成型一次。脲甲醛(Urea-formaldehyde)