特征的重要性 5 756 70 65 65 kmeans (tri)raw kmeans (hard)raw gmm raw 6 autoencoder raw rbm raw kmeans (tri)white 55 kmeans (hard)white 55 gmm white autoencoder white rbm white 50100200 50 400 800 1200 1600 #F白atures 一般而言，特征越多，给出信息就越多，学习器性能会得到提升； 但特征多，计算复杂度增加，探索的空间大，可以用来训练的数据在 每个特征上就会稀疏。 结论：不一定特征越多越好！需要有多少个特征，需要学 习确定。 电子科技大学研究生《模式识别》
电子科技大学研究生《模式识别》 特征的重要性 o 一般而言，特征越多，给出信息就越多，学习器性能会得到提升； o 但特征多，计算复杂度增加，探索的空间大，可以用来训练的数据在 每个特征上就会稀疏。 o 结论：不一定特征越多越好！需要有多少个特征，需要学 习确定
问题一如何选择好特征 5 口机器学习中，获得好的特征是识别成功的芙键 目前存在大量人工设计的特征，不同研究对象特征不同， 特征具有多样性，如：TF-IDF,SIFT,HO☑，LBP等 ▣ 手工选取特征费时费力，需要启发式专业知识，很大程度 上靠经验和运气 是否能自动地学习特征？ 典，可 4司 -。 SIFT Spin image Orientation Voting 几数发一网 Overlapping Blocks 工一单点中一回 Input Image Gradient Image 5- Local Normalization HoG RIFT Textons GLOH 电子科技大学研究生《模式识别》
电子科技大学研究生《模式识别》 问题——如何选择好特征 o 机器学习中，获得好的特征是识别成功的关键 o 目前存在大量人工设计的特征，不同研究对象特征不同， 特征具有多样性，如：TF-IDF, SIFT, HOG, LBP等 o 手工选取特征费时费力，需要启发式专业知识，很大程度 上靠经验和运气 o 是否能自动地学习特征？
How Human Learns 56 野86SU 经酒登 浴爱浮 e.. 18 大学研究生《模式识别》
电子科技大学研究生《模式识别》 How Human Learns 18
How Human Learns 例 伦品确放女学 U PANDA Downiond from Dreamstime.com 中8·成都 19 CHINA CHERQOU 主《模式识别》
电子科技大学研究生《模式识别》 19 How Human Learns
在春天 无 KANJIAN 看见民生 精原價腾回 若损坡商品 EOD
电子科技大学研究生《模式识别》 20 In Human Activies