深度学习进行特征选择?

吹泡泡的宗介 2019-12-16 11:36:41

特征选择一般使用三个主要方法，filter，wrapper和embedded方法，那能不能结合现在比较火的深度学习来进行特征选择呢，看了一些其他人的想法，大都是特征数少而样本多进行选择，根据添加或删除特征比较最后模型的好坏来选择较好特征，但是如何样本少，而特征有上千上万个，该如何进行特征选择呢，有没有大牛有一些想法的，或者有参考资料可参考的，感谢感谢

...全文

266 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

java大数据人工智能培训学校全套教材系列课程由1000集视频构成，基本就是1）时下流行的java培训学校主流内部教材，2）和市面上培训学校的通行的课程体系几乎一样。所以这套课程都能自己学下来，等于上了培训学校一次，完全可以找个java工程师的工作了。通过学习卷积神经网络概述，为什么引入神经网络来做识别，判断，预测，训练模型，激活函数，sigmoid激活函数，导数和切线，sigmoid激活函数如何求导，链式法则，梯度，梯度下降法与delta法则，BP（back propagation）误差逆传播神经网络，卷积到底有什么作用？如何做到特征提取，池化的名字由来，dropout，Anaconda Prompt的用法，Jupyter notebook的用法，Spyder的用法，建立安装Tensorflow所需的Anaconda虚拟环境，如何在Anaconda虚拟环境安装Tensorflow与Keras概念等让大家对人工智能，卷积神经网络快速入门。课程特色：专业细致，偏案例，理论强。课程软件使用：Anaconda，Spyder，Jupyter notebook重要声明：1）如果感觉噪音大，可以选择不用耳机，加音箱或用电脑原声 2）既然我们的名字叫人工智能深度学习卷积神经网络入门，这个课程的特点就在于成本最低的，让你最快速的，最容易的入门。人工智能深度学习卷积神经网络入门的最大的难点在于入门入不了，从而最终放弃。俗话说师傅领进门，修行在个人。只要入了门了，后面的事都好办。选课前，务必注意本章的学习目标和内容。想学更多，注意后边的课程。

主要观点来自于知乎，说的非常好。 “深度能自动获取特征”只是对某些领域而言的。实际上深度学习只是能自动对输入的低阶特征进行组合、变换，得到高阶特征。对于图像处理之类的领域来说，像素点就可以作为低阶特征输入，组合、变换得到的高阶特征也有比较好的效果，所以看似可以自动获取特征。在其他领域的情况就不是这样了。例如自然语言处理中，输入的字或词都是离散、稀疏的值，不像图片一样是连续、稠密的。输入原始数...

机器学习和深度学习是两个相互关联但又不完全相同的概念。机器学习是一种通过让计算机从数据中学习并改进算法模型，实现对数据的自动分析、预测、分类和决策等任务的方法。而深度学习是一种机器学习的分支，它通过构建多层神经网络，自动学习数据中的特征，从而实现对数据的分类和预测等任务。

“深度能自动获取特征”只是对某些领域而言的。实际上深度学习只是能自动对输入的低阶特征进行组合、变换，得到高阶特征。对于图像处理之类的领域来说，像素点就可以作为低阶特征输入，组合、变换得到的高阶特征也有比较好的效果，所以看似可以自动获取特征。在其他领域的情况就不是这样了。例如自然语言处理中，输入的字或词都是离散、稀疏的值，不像图片一样是连续、稠密的。输入原始数据进行组合、变换得到的高阶特征并不是

用途有时候需要从图片（或文本）中提取出数值型特征，供各种模型使用。深度学习模型不仅可以用于分类回归，还能用于提取特征。通常使用训练好的模型，输入图片，输出为提取到的特征向量。加入特征之后，结果往往不尽如人意，大致有以下原因： 深度学习模型一般有N层结构，不能确定求取哪一层输出更合适。 深度学习模型很抽象——几十层的卷积、池化、信息被分散在网络参数之中。提取自然语言的特征时，常常提取...

488

社区成员

5,897

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章