#noindex
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,image]]에서 '''feature'''를 extract해야(feature_extraction Ggl:"feature extraction") 함?
이건 [[embedding]]과 비슷?

QQQ 보통 [[벡터,vector]]로 나타내는가 아님 항상 그런가?
feature의 [[자료구조,data_structure]]가 vector?
TBD [[feature_vector]] page 필요?
[[특징벡터,feature_vector]]
{
A collection of ''d'' features, ordered in some meaningful way into a ''d''-dimensional [[열벡터,column_vector|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 [[특징벡터,feature_vector|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: [[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
}

[[특징선택,feature_selection]] - writing

[[feature_map]]
{
특징맵
... Google:feature.map+cnn
}

[[특징공학,feature_engineering]] - w

= misc, cleanup =
Google:SIFT+HOG

[[레이블,label]] 과 비교 필요.
{

MKLINK
[[특징,feature]]과 비교 필요.
[[ground_truth]]

https://developers.google.com/machine-learning/glossary?hl=ko#label
}

[[독립변수,independent_variable]]와 같은 개념? chk. see [[독립변수와_종속변수]] 처음부분.

----
https://developers.google.com/machine-learning/glossary?hl=ko#feature
[[WpKo:특징_(기계_학습)]]
[[WpEn:Feature_(machine_learning)]]

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