machine-learning - 机器学习中维度、属性和特征的区别

Question

这是二维的： [[2,2]] 但它也有 2 个特征/属性，不是吗。我对维度、属性和特征之间的区别感到困惑。

Answer 1

我不得不不同意@Atilla 的回答

• 维度通常是指属性的个数，虽然也可以用“数据向量的第二个维度是人的年龄”的形式使用，但是比较少见——大多数情况下维度是“属性的个数”
• 属性是您的点中的一种特定“数据类型”，因此每个观察/数据点（如个人记录）包含许多不同的属性（如人的体重、身高、年龄等）
• 根据上下文， 特征可能有多种含义：
  • 它有时指的是属性
  • 它有时指特定学习模型生成的数据的内部表示，例如 - 神经网络提取特征，这些特征是属性或其他特征的组合
  • 它有时指的是由核方法（在 Kernel PCA、Kernel k-means、SVM 中）诱导的数据的假设表示

一般来说，您有一些对象 X，您使用一些属性来描述它们（这是特征提取的第一步，因此这些属性有时也称为特征），它创建了给定维度的表示（属性数、提取的特征）。然后你训练一些模型，它通常会创建某种抽象（有时甚至是多层次的），并且每个这样的抽象都会生成新的特征（从特征中提取特征），这些对象比较低“级别”上的对象更复杂。

 X  --->   repr(X)   --->   f1(repr(X)) --->   ....  --->   fn(repr(X))
data      attributes         1st level                      nth level
        (0th features)       features                       features

      |repr(X)|=dimension

f 经常出现，所以f2(repr(X))实际上有些f2'(f1(repr(X))

Answer 2

它们是相同的东西。属性、维度和特征。根据作者的背景或领域，它们可以互换使用。

例如，如果您在谈论数学方面，您可以说这是高维问题。