表征学习

✍ dations ◷ 2025-12-10 22:33:17 #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

胃酸胃酸（gastric acid、gastric juice、stomach acid）是胃中的一种主要分泌物，为一种消化液，形成于胃用来消化食物。其pH值为1.5〜3.5，由盐酸（HCl）（0.2％～0.5％的盐酸）和大量的氯化钾（KCl）、氯
合体合体为一种汉字字体的结构，与独体概念相对。合体字其形体结构可拆解分析其读音或字义。六书中会意、形声多属此类。因而最早独体字称作文，衹有合体字才称为字，今日已不区分，统称
神经心理学 §研究方法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
两栖攻击舰两栖攻击舰（英语：Amphibious assault ship），亦称两栖突击舰、强袭登陆舰（源自其日语名称“強襲揚陸艦”），是一种用来在敌方沿海地区进行两栖作战时，在战线后方提供空中与水面支援的
清酒在东亚地区，清酒是一种酿造米酒，经过滤程序后制成，酒色透明。以米、米麹及水，进行发酵后，就形成浊酒；经过滤，去除酒中杂质，再以竹炭或木炭进行脱色后，就成为清酒。清酒有许多种类，各国
官邸坐标：51°30′12″N 0°07′40″W / 51.503396°N 0.127640°W / 51.503396; -0.127640唐宁街10号（英语：10 Downing Street），位于英国首都伦敦西敏市西敏区白厅旁的唐宁街，一所乔
制冷制冷，通常指根据热力学第一、第二定理在机械能、热能或其它能源驱动下，从低于环境的物体中吸热，并转移至环境介质的热力过程。制冷已经广泛应用于空调、湿度控制、食品冷藏、饮
电路板电路板可以指：
海伦海伦（古希腊语：Ἑλένη, Helénē，英语：Helen of Troy）是希腊神话中宙斯与勒达之女，被称为“世上最美的女人”，她和特洛伊王子帕里斯私奔，引发了特洛伊战争。希腊神话中，天神宙斯
主成分分析在多元统计分析中，主成分分析（英语：Principal components analysis，PCA）是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投