writing. merge.

특징, 피처, 피쳐
특성이라 할까? 그래도 무방.
image_classification 혹은
image_detection 등을 하기 위해선 (일반적으로 분류,classification detection(감지 탐지 검출 디텍션))
이미지,image에서 feature를 extract해야(feature_extraction feature extraction) 함?
이건 embedding과 비슷?

QQQ 보통 벡터,vector로 나타내는가 아님 항상 그런가?
feature의 자료구조,data_structure가 vector?
TBD feature_vector page 필요?
특징벡터,feature_vector
{
A collection of d features, ordered in some meaningful way into a d-dimensional column vector, that represents the signature of the object to be identified.
(Kwak, slide 1 p67)

벡터,vector
}
특징공간,feature_space
{
The d-dimensional space in which the feature vector lies.
A d-dimensional vector in a d-dimensional space constitutes a point in that space.
(Kwak, slide 1 p67)

공간,space
}

특징추출,feature_extraction - writing
{
raw data에서 feature_vector and class_label 을 붙이는 ???

mklink 자료집합,dataset

방법들:
주성분분석,principal_component_analysis,PCA,
...

비교: feature_selection

기계학습,machine_learning과 심층학습,deep_learning에서
feature extraction과 분류,classification의 관계는 다음 그림과 같은?? chk

}

feature_selection - writing

feature_map
{
특징맵
... feature.map cnn
}