表征学习

✍ dations ◷ 2025-11-25 15:43:28 #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

逻辑学逻辑（古希腊语：λογική；德语：Logik；法语：logique；英语：logic；意大利语、西班牙语、葡萄牙语: logica），又称理则、论理、推理、推论，是对有效推论的哲学研究。逻辑被使用在大部分的
数据挖掘数据挖掘（英语：data mining）是一个跨学科的计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集（英语：data set）中发现模式的计算过程。数
人文地理学人文地理学（英语：Human geography），是一类社会科学分支，关于研究世界、人类社会、文化、经济与环境的相互作用，强调空间和地区的关系。作为一门学科，地理分为自然地理和人文地理，后
建筑设备建筑设备指所有适用于房间和建筑的技术措施，包括经营场所和公共场所的能源（采暖，照明）和供应（水，空气）或废物排放（污水，垃圾）。其目的是对居民和用户提供建筑物的正常使用和必要的安全
7-烯胆甾烷醇胆甾-7-烯-3β-醇或7-胆甾烯醇（英语：5α-Cholest-7-en-3β-ol，或 Lathosterol）是一种胆固醇合成的中间产物，从酵母甾醇合成而来，由甾醇C5去饱和酶（英语：Sterol-C5-desaturase-like）催
库安沙河广萨河（Cuanza River），又名宽扎河，是安哥拉的河流，在首都罗安达以南流入大西洋。广萨河下游可航行的河道长150英哩，是北广萨省和南广萨省的分界线。在首项生物多样性计划中，显示广
退行发育(Anaplasia)逆行性生长（Anaplasia），是指成熟的正常细胞非正常地复归未成熟的细胞，为恶性肿瘤（malignant neoplasms）的指标性症状。大多数癌细胞会导致细胞去分化，让细胞无限制的分裂。但发生在
李邦河李邦河（1942年－），浙江温州乐清市人，知名数学家。主要从事微分拓扑、低维拓扑的量子不变量、非标准分析和广义函数等领域的研究。1965年毕业于中国科学技术大学数学系，现为中科院数
人道在佛教术语中，人类（梵语：manuṣya，巴利语：manussa）称为人道、人趣（趋），是轮回六道或五道之一。因居住在十界之第五，又称为人界，为六道中最适合修行之一道。人界是对于其他界而言：佛教将
性伴侣性伴侣（Sexual partner）指的是一个人的性行为对象，彼此之间的关系不一定是情侣。性伴侣并无性别或是性取向之分。一个人的性伴侣不一定只有一个，性伴侣的身份可能是情人、夫妻、