从系列:应用机器学习
亚当•Filion MathWorks
探索如何执行特征工程,一种将原始数据转换为适合机器学习算法的特征的技术。
功能工程从您的 best guess 开始,了解 功能 可能会影响您试图预测的动作。在此之后,这是一个迭代的过程,你可以创建新的特性,将它们添加到你的模型中,然后看看你的结果是否得到了改进。
本视频提供了对该主题的高级概述,并使用几个例子来说明特征工程背后的基本原则以及从信号、文本和图像中提取特征的既定方法。
机器学习算法在原始数据上并不总是那么有效。作为工程师和科学家,我们的工作之一就是转换原始数据,使系统的行为在机器学习算法面前更加明显。这被称为特征工程。
特性工程首先要猜测哪些特性可能会影响您试图预测的内容。在此之后,这是一个迭代的过程,您可以创建新特性,将它们添加到您的模型中,然后看看结果是否得到改进。
让我们举一个简单的例子,我们想要预测航班是否会延误。
在原始数据中,我们有飞行月份、目的地和星期几等信息。
如果我将决策树与这个数据进行匹配,我将得到70%的准确率。我们还能从这些数据中计算出什么来帮助改善我们的预测呢?
那么,每天的航班数是多少呢?有些日子的航班比其他日子多,这可能意味着它们更有可能被延误。
我已经从应用程序中的数据集中获得了这个功能,所以让我们添加它并重新训练模型。你可以看到模型的准确率提高到了74%。仅仅是添加一个特性就已经很不错了。
功能工程通常被认为是一种创造性的过程,与其说是一门科学,不如说是一门艺术。没有正确的方法来做到这一点,但如果您有领域专家和对数据的扎实理解,您将处于执行特性工程的有利位置。正如您稍后将看到的,用于特性工程的技术可能已经很熟悉了,但在此之前您可能没有考虑过它们。
我们来看另一个更有趣的例子。在这里,我们试图通过分类心脏发出的声音来预测其行为是否正常。
声音以音频信号的形式出现。我们可以设计特征,然后用这些值来训练模型,而不是用原始信号来训练。
最近,深度学习方法变得越来越流行,因为它们需要更少的人工特征工程。相反,这些特征是作为训练过程的一部分来学习的。虽然这通常会显示出非常有前途的结果,但深度学习模型需要更多的数据,需要更长的时间来训练,并且生成的模型通常比手工设计特性更难解释。
我们用于心音分类的特征来自于信号处理领域。我们计算了偏度、峰度和主频。这些计算提取的特征使模型更容易区分异常心音和正常心音。
那么人们还会使用哪些功能呢?许多人使用传统的统计技术,如平均值、中位数和众数,以及一些基本的东西,如计算事情发生的次数。
许多数据都有一个与之相关联的时间戳。您可以从时间戳中提取许多特性,这些特性可以提高模型的性能。是哪一个月,哪一天,哪一个小时?这是周末还是假期?这些特征在决定人类行为方面发挥着重要作用,例如,如果你试图预测人们使用多少电力。
另一类特征工程与文本数据有关。计算特定单词在文本中出现的次数是一种技术,它通常与标准化技术(如术语频率-反文档频率)结合使用。Word2vec将单词转换为高维向量表示,这是另一种流行的文本特征工程技术。
我要讲的最后一类技术与图像有关。图像包含大量信息,因此通常需要提取重要的部分。传统的方法是计算颜色的直方图或应用变换,如Haar小波。最近,研究人员已经开始使用卷积神经网络从图像中提取特征。
根据您正在处理的数据类型,使用我们讨论过的各种技术可能是有意义的。特征工程是一个反复试验的过程。知道某个特性是否有用的唯一方法是将其添加到模型中,并检查它是否改善了结果。
最后,这是对特性工程的简要解释。我们的网站上有更多的例子,所以去看看吧。
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳的网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。
本网站使用cookie来改善用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解更多关于cookie和如何更改您的设置。