标签：采样 计算机 特征 笔记 学习 特征选择 数学 特征提取 视觉

特征工程：对原始数据进行数据分析，转变为特征的过程，这些特征可以更好的描述数据，并且利用他们建立模型在未知数据上表现性能可以达到最优（或接近最佳性能）

从数学角度来看，就是人工的设计输入变量X

通过数学优化等机器学习学习更深度的特征，在数学上进行约束和优化。

特征提取——认为的设计特征

特征选择——保留有用的信息

建模——

ｅｎｂｅｄｉｎｇ嵌入式特征，CNN进行特征提取和特征选择

下采样：

上采样：

标签：采样,计算机,特征,笔记,学习,特征选择,数学,特征提取,视觉
来源： https://www.cnblogs.com/zhenhua1203/p/15099284.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。