来自系列:应用机器学习
亚当•Filion MathWorks
探索如何执行功能工程,一种将原始数据转换为适合于机器学习算法的功能的技术。
特征工程从您最猜测的开始,WhatFeaturesMight影响您正在尝试预测的动作。之后,它是一个迭代过程,在其中创建新功能,将它们添加到模型中,看看您的结果是否有所改善。
本视频提供了对该主题的高级概述,并使用了几个示例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的效果并不总是那么好。作为工程师和科学家,我们的部分工作是转换原始数据,使系统的行为对机器学习算法更明显。这被称为特征工程。
特征工程从您的最佳猜测开始,关于哪些功能可能会影响您想要预测的东西。之后,它是一个迭代过程,在其中创建新功能,将它们添加到模型中,并查看结果是否有所改进。
让我们举一个简单的例子,我们想要预测一个航班是否会延迟。
在原始数据中,我们有飞行月份、目的地和一周的日期等信息。
如果我符合此数据的决策树,我将获得70%的准确性。我们还能从这些数据计算哪些可能有助于提高我们的预测?
那么,每天的航班数是多少?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。
我已经从我的数据集在应用程序中有这个功能,所以让我们添加它并重新训练模型。你可以看到模型的精度提高到了74%。只是添加一个功能就已经不错了。
功能工程通常被认为是一种创造性的过程,更像是一种艺术而不是一门科学。没有正确的方法来做这件事,但如果你有领域专业知识和对数据的扎实理解,你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是您可能已经熟悉的东西,但在此之前您可能没有想到过它们。
让我们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它的行为是正常的还是异常的。
声音以音频信号的形式出现。我们可以设计特征,然后使用这些值来训练模型,而不是对原始信号进行训练。
最近,深入学习方法正在变得流行,因为它们需要更少的手动功能工程。相反,该功能被吸取为培训过程的一部分。虽然这通常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,需要更长时间训练,并且产生的模型通常不太解释,而不是如果您手动工程师的功能。
我们用于分类心脏声音的功能来自信号处理领域。我们计算了诸如散裂,峰氏,频率和主导频率之类的东西。这些计算提取了使模型更容易区分异常心声和正常的特征。
那么人们还使用哪些其他功能呢?许多人使用传统的统计技术,如平均值、中值和模态,以及基本的东西,如计算某事发生的次数。
许多数据都有一个与之相关的时间戳。您可以从可能改善模型性能的时间戳中提取许多功能。什么月份,或一周的一天,或一天的一天?是一个周末还是假期?例如,如果您试图预测人们使用多少电力,这些功能在确定人类行为方面发挥着重要作用。
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,它通常与术语频率反文档频率等标准化技术结合使用。Word2vec将单词转换为高维向量表示,是另一种流行的文本特征工程技术。
我谈论的最后一类技术必须与图像有关。图像包含大量信息,因此您经常需要提取重要部分。传统技术计算颜色的直方图或施加哈尔小波等变换。最近,研究人员已经开始使用卷积神经网络来提取图像的特征。
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。特性工程是一个尝试和错误的过程。知道一个特性是否有用的唯一方法是将它添加到模型中,并检查它是否改善了结果。
为了包装,这是一个简短的特征工程的解释。我们网站上有更多的示例,所以检查它们。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。