특징,feature

Difference between r1.12 and the current

@@ -39,20 +39,22 @@
[[주성분분석,principal_component_analysis,PCA]],
...

비교: [[feature_selection]]
비교: [[특징선택,feature_selection]]

[[기계학습,machine_learning]]과 [[심층학습,deep_learning]]에서
'''feature extraction'''과 [[분류,classification]]의 관계는 다음 그림과 같은?? chk
https://i.imgur.com/As9z9Yr.png
}

[[feature_selection]] - writing
[[특징선택,feature_selection]] - writing

[[feature_map]]
{
특징맵
... Google:feature.map+cnn
}
[[특징공학,feature_engineering]] - w

= misc, cleanup =
Google:SIFT+HOG
@@ -75,5 +77,4 @@
[[WpEn:Feature_(machine_learning)]]

분야는 [[기계학습,machine_learning]] and [[패턴인식,pattern_recognition]]. (wp)


writing. merge.

특징, 피처, 피쳐
특성이라 할까? 그래도 무방.
Zeta:특성_(머신러닝)에선 그리 함.

image_classification 혹은
image_detection 등을 하기 위해선 (일반적으로 분류,classification detection(감지 탐지 검출 디텍션))
이미지,image에서 feature를 extract해야(feature_extraction Ggl: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)


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




기계학습,machine_learning과 심층학습,deep_learning에서
feature extraction과 분류,classification의 관계는 다음 그림과 같은?? chk
https://i.imgur.com/As9z9Yr.png

}


feature_map
{
특징맵
... Google:feature.map cnn
}


[edit]

misc, cleanup