应用机器学习,第1部分:特征工程
从系列:应用机器学习
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。
特性工程从您的 最佳猜测 开始,关于哪些 特性 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,您可以创建新的特性,将它们添加到您的模型中,并查看您的结果是否有所改进。
本视频提供了该主题的高级概述,并使用几个例子来说明特征工程背后的基本原理,以及从信号、文本和图像中提取特征的既定方法。
机器学习算法并不总是能很好地处理原始数据。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。这被称为特性工程。
特性工程始于您对哪些特性可能影响您试图预测的东西的最佳猜测。在此之后,这是一个迭代的过程,您可以创建新的特性,将它们添加到您的模型中,并查看结果是否得到了改进。
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误。
在原始数据中,我们有航班的月份、目的地和星期几等信息。
如果我将决策树与这些数据相匹配,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进我们的预测呢?
那么,每天的航班数量是多少?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延误。
我已经从我的数据集中在应用程序中有了这个特性,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74%。仅仅增加一个功能就已经很不错了。
特性工程通常被认为是一个创造性的过程,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这件事,但如果你有领域的专业知识和对数据的深刻理解,你将处于执行功能工程的有利位置。正如您稍后将看到的,用于特性工程的技术您可能已经很熟悉了,但是您以前可能从未在此上下文中考虑过它们。
让我们看另一个更有趣的例子。在这里,我们试图通过对心脏发出的声音进行分类来预测心脏的行为是否正常。
这些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,而不是在原始信号上进行训练。
最近,深度学习方法越来越受欢迎,因为它们需要较少的人工特征工程。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,需要更长的训练时间,而且与手动设计功能相比,得到的模型通常更难以解释。
我们用来分类心音的特征来自信号处理领域。我们计算了偏度、峰度和主导频率等。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、中位数和模式,以及计算某事发生的次数等基本方法。
许多数据都有与之相关的时间戳。您可以从时间戳中提取许多可能提高模型性能的特性。是几月份,几星期,几小时?是周末还是假日?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了多少电。
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,它经常与术语频率-文档频率-反向-规范化技术相结合。Word2vec是另一种流行的文本特性工程技术,它将单词转换为高维向量表示。
我要讲的最后一类技巧与图像有关。图像包含大量的信息,所以您经常需要提取重要的部分。传统的技术计算颜色的直方图或应用变换如哈尔小波。最近,研究人员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。特性工程是一个试错的过程。知道一个特性是否有用的唯一方法是将它添加到一个模型中,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,请查看。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。