从系列: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。
该视频提供了该主题的高级概述,它使用了几个例子来说明特征工程背后的基本原理,并建立了从信号,文本和图像中提取功能的方法。
机器学习算法并不总是在原始数据上工作。作为工程师和科学家的一部分,我们的工作人员是改变原始数据,使系统的行为更加明显到机器学习算法。这称为特色工程。
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。
如果我用决策树来匹配这个数据,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进我们的预测呢?
嗯,每天航班数量如何?有些航班在某些时候比其他航班有更多的航班,这可能意味着他们更有可能被推迟。
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。
让我们看看另一个更有趣的例子。在这里,我们试图通过分类它所做的声音来预测心脏正常或异常表现。
声音以音频信号的形式出现。我们可以使用原始信号训练,而不是培训,然后使用这些值来训练模型。
最近,深度学习方法变得越来越流行,因为它们需要更少的手工特征工程。相反,这些特征是作为训练过程的一部分来学习的。虽然这通常显示出非常有希望的结果,但深度学习模型需要更多的数据,需要更长的时间来训练,而且与手工设计特征相比,生成的模型通常更难以解释。
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。
那么人们可以使用哪些其他功能?许多人使用像均值,中位数和模式等传统统计技术,以及计算出现的次数的基本事物。
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。计数某些单词在文本中发生的次数是一种技术,该技术通常与术语频率逆文档频率等归一化技术组合。Word2VEC,其中单词被转换为高维矢量表示,是另一个用于文本的流行的特征工程技术。
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。
最后,这是对特性工程的简要解释。在我们的网站上有更多的例子,所以去看看吧。
你也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。