مروری بر روش های انتخاب و استخراج ویژگی برای یادکیری ماشین

ابعاد بالای داده ها تاثیر مستقیمی بر الگوریتم یادگیری ، زمان محاسباتی ، حافظه و دقت مدل دارد. هدف انتخاب و استخراج ویژگی ، کاهش فضای ویژگی به منظور بهبود تجزیه و تحلیل داده ها است . این جنبه زمانی اهمیت بیشتری پیدا می کند که مجموعه داده های دنیای واقعی در نظر گرفته شود. تفاوت اصلی عملکرد آنها این است که انتخاب ویژگی کاهش را با انتخاب زیرمجموعه ای از ویژگیها بدون تغییر آنها انجام می دهد و استخراج ویژگی با محاسبه تبدیل ویژگی های اصلی برای ایجاد ویژگی های دیگری که باید قابل توجه تر باشند، ابعاد را کاهش می دهد. در این مقاله سعی خواهد شد روشهای موجود برای انتخاب و استخراج ویژگی را بررسی کرده و مزایا و کاربرد هر یک را توضیح دهیم .

کلیدواژه ها:

انتخاب ویژگی ، استخراج ویژگی ، ابعاد.