表徵學習

出自維基百科,自由嘅百科全書
Jump to navigation Jump to search

表徵學習feature learning,又有叫「representation learning」)係機械學習入面常用嘅一種演算法,專門用嚟將啲輸入轉化、令啲輸入簡單啲有用啲,但同時又保留到啲輸入當中帶嘅訊息。例如喺現實應用入面,數據庫有陣時可以有成幾百個用嚟做預測嘅變數(x 嘅維度有幾百個),而呢類情況可能會造成多種問題,令個程式要做嘅運算量太大。於是個機械學習程式嘅設計者就可能會想使某啲方法去減少輸入當中變數嘅數量(降低 x 嘅維度),等個學習程式易行啲。