表征学习

✍ dations ◷ 2025-12-10 14:35:10 #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

黄体素孕酮（英语：progesterone，亦被称为黄体酮、孕甾酮、黄体甾酮、助孕激素、助孕素、黄体素或助孕酮，其缩写为P4，也被称为(孕甾-4-烯-3,20-二酮)，是一种内源性类固醇和孕激素性激素，也
腹股沟肉芽肿腹股沟肉芽肿（学名：Granuloma inguinale，亦作donovanosis）是一种由致病细菌克雷伯氏菌属的肉芽肿克雷伯氏菌（英语：Klebsiella granulomatis）（Klebsiella granulomatis（英语：Klebsiella
大西洋大西洋（西班牙语：Océano Atlántico，葡萄牙语：Oceano Atlântico，英语：Atlantic Ocean），是世界第二大洋。原面积8221万7千平方公里，在南冰洋确立后，面积调整为7676万2千平方公里。平
遗传性出血性血管扩张症遗传性出血性血管扩张症是一种遗传病，其会导致各种黏膜、内脏血管病变，由此导致各种出血。大部分患者会出现鼻、脑、肺及胃、肠出血。此遗传病10万分之1，主要发生于白人。遗传
银杏门银杏是一类种子植物，最早出现在晚古生代早二叠世，在侏罗纪和早白垩世最为繁盛，此后逐渐衰落。现在，银杏（Ginkgo biloba）是银杏类植物的唯一成员。银杏类植物为高大多枝落叶乔木、
乔治·C·威廉斯乔治·克里斯托弗·威廉斯（英语：George Christopher Williams，1926年5月12日－2010年9月8日）是美国演化生物学家。
Journal of Chemical Physics化学物理学报（Journal of Chemical Physics）是一份科学学术期刊，发表化学物理各领域的论文，由美国物理协会出版，每年出版两卷，各24期。
斯克里文县斯克里文县（Screven County）是美国佐治亚州东部的一个县，东邻南卡罗来纳州。面积1,698平方公里。根据美国2000年人口普查，共有人口15,374人。县治西尔瓦尼亚。成立于1793年12月1
异硫氰酸酯异硫氰酸酯（Isothiocyanate）是一类通式为R-N=C=S的有机化合物，可看作是由异氰酸酯中的氧原子被硫替换后形成。异硫氰酸盐是硫氰酸根（SCN−）用氮原子配位时生成的化合物（M-N=C=S）。
花样结构模体（英语：structural motif，亦称为结构基序）是链状生物分子（如蛋白质或核酸）中的一种超二级结构，也存在于其它分子之中。结构模体使得我们无法预测蛋白的生物学功能：不同蛋白质