Feature (machine learning) (original) (raw)
الميزة (بالإنجليزية: feature) هو مصطلح يستعمل في مجالات تعلم الآلة التعلم والتعرف على الأنماط، وهي خصية يمكن قياسها لظاهرة ما تحت الدراسة. ان تحديد واختيار الميزة المستقلة هي خطوة ضرورية من أجل تطوير خوارزميات فعالة في تمييز الأنماط، والتصانيف الاحصائية و التحليل الانحداري. عادة ما يختار الميزات الرقمية، ولكن يمكن استخدام سمات هيكلية مثل السلاسل و في التعرف على الأنماط. يتصل مفهوم الـ «ميزة» بالمتغير التفسيري المستخدم في التقنيات الإحصائية مثل الانحدار الخطي.
| Property | Value |
|---|---|
| dbo:abstract | الميزة (بالإنجليزية: feature) هو مصطلح يستعمل في مجالات تعلم الآلة التعلم والتعرف على الأنماط، وهي خصية يمكن قياسها لظاهرة ما تحت الدراسة. ان تحديد واختيار الميزة المستقلة هي خطوة ضرورية من أجل تطوير خوارزميات فعالة في تمييز الأنماط، والتصانيف الاحصائية و التحليل الانحداري. عادة ما يختار الميزات الرقمية، ولكن يمكن استخدام سمات هيكلية مثل السلاسل و في التعرف على الأنماط. يتصل مفهوم الـ «ميزة» بالمتغير التفسيري المستخدم في التقنيات الإحصائية مثل الانحدار الخطي. (ar) In machine learning and pattern recognition, a feature is an individual measurable property or characteristic of a phenomenon. Choosing informative, discriminating and independent features is a crucial element of effective algorithms in pattern recognition, classification and regression. Features are usually numeric, but structural features such as strings and graphs are used in syntactic pattern recognition. The concept of "feature" is related to that of explanatory variable used in statistical techniques such as linear regression. (en) 特徴量（英: feature）はデータを変形して得られ、その特徴を表現し、続く処理に利用される数値である。表現（英: representation）とも。 (ja) Nel campo dell'apprendimento automatico, una caratteristica (nota anche con il rispettivo termine inglese feature) è una proprietà individuale e misurabile di un fenomeno osservato. La scelta di caratteristiche discriminanti, ad alto contenuto informativo e indipendenti fra loro è un passo cruciale per ottenere un efficiente algoritmo di riconoscimento di pattern, classificazione e regressione. Il valore di una feature viene solitamente reso in forma numerica; esistono tuttavia delle eccezioni, come nel riconoscimento sintattico di pattern (syntactic pattern recognition), in cui vengono considerate caratteristiche strutturali come stringhe e grafi.Il concetto di "caratteristica" è correlato a quello di variabile esplicativa usato in tecniche statistiche come la regressione lineare. L'insieme—inizialmente grezzo—delle caratteristiche potrebbe essere ridondante e troppo vasto per essere gestito efficientemente. Di conseguenza, un tipico passo preliminare in molte applicazioni dell'apprendimento automatico consiste nella selezione delle caratteristiche, nell'estrazione di caratteristiche o, più in generale, nella riduzione della dimensionalità del cosiddetto input space ("spazio di ingresso"). (it) 특징(特徵) 또는 피처(Feature)는 기계 학습과 패턴 인식의 용어이다. 관찰 대상에게서 발견된 개별적이고 측정가능한 경험적(heuristic) 속성을 말한다. 독립적인 변수를 잘 선택하는 것은 패턴 인식 상에서 분류를 위한 성공 요인이라 할 수 있다. 특징들은 일반적으로 수치이나, 그래프와 같은 자료 구조적인 특징들 또한 존재한다. 특징들의 집합을 (feature vector)라고 한다. 굳이 벡터로 표시하는 이유는 수학적으로 다루기 편하기 때문이다. 피쳐라는 개념을 가져온 것은 선형 회귀와 같은 통계학적인 기법에서이다. 독립 변수와 종속 변수 개념 또한 통계학에서 가져왔다. (ko) В машинном обучении и распознавании образов признак — это индивидуальное измеримое свойство или характеристика наблюдаемого явления. Выбор информативных, отличительных и независимых признаков является критическим шагом для эффективных алгоритмов в распознавании образов, классификации и регрессии. Признаки обычно являются числовыми, но структурные признаки, такие как строки и графы, используются в .Понятие «признака» связано с объясняющими переменными, используемыми в статистических техниках, таких как линейная регрессия. (ru) В машинному навчанні та розпізнаванні образів озна́ка (англ. feature) — це окрема властивість або характеристика спостережуваного явища, яку можливо виміряти. Обрання інформативних, розрізнювальних і незалежних ознак є ключовим кроком алгоритмів розпізнавання образів, класифікації та регресії. Ознаки є зазвичай числовими, але в використовують і структуровані ознаки, такі як стрічки та графи. Поняття «ознака» є пов'язаним із поняттям описової змінної, що застосовують у таких статистичних методиках як лінійна регресія. (uk) 在机器学习和模式识别中，特征是被观测对象的可测量性能或特性。在模式识别、分类和回归中，信息特征的选择、判别和独立特征的选择是有效算法的关键步骤。特征通常是数值型的，但可以使用结构特征（如字符串和图）。“特征”的概念与線性回歸等统计技术中使用的解释变量有关。 (zh) |
| dbo:wikiPageID | 1299404 (xsd:integer) |
| dbo:wikiPageLength | 7203 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1107686949 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Bayesian_inference dbr:Algorithm dbr:Perceptron dbr:Vector_(geometric) dbr:Vector_space dbr:Covariate dbr:Graph_(discrete_mathematics) dbr:Phonemes dbr:Machine_learning dbr:Statistics dbr:Computer_vision dbr:Emotion_recognition dbr:Feature_(computer_vision) dbr:Feature_engineering dbr:Feature_extraction dbr:Feature_learning dbr:Feature_selection dbr:Pattern_recognition dbr:String_(computer_science) dbc:Machine_learning dbr:Classification_(machine_learning) dbr:Linear_predictor_function dbr:Linear_regression dbr:Explainable_artificial_intelligence dbr:Dimensionality_reduction dbr:Histogram dbr:Regression_analysis dbr:Speech_recognition dbc:Data_mining dbr:K-nearest_neighbor_algorithm dbr:Binary_classification dbr:Dot_product dbc:Pattern_recognition dbr:Explanatory_variable dbr:Domain_expert dbr:Statistical_classification dbr:Spam_(electronic) dbr:Syntactic_pattern_recognition dbr:Neural_networks dbr:Hashing_trick dbr:Character_recognition |
| dbp:wikiPageUsesTemplate | dbt:Also dbt:Citation_needed dbt:Distinguish dbt:Main dbt:Redirect dbt:Refimprove dbt:Reflist |
| dcterms:subject | dbc:Machine_learning dbc:Data_mining dbc:Pattern_recognition |
| gold:hypernym | dbr:Property |
| rdf:type | owl:Thing dbo:Building |
| rdfs:comment | الميزة (بالإنجليزية: feature) هو مصطلح يستعمل في مجالات تعلم الآلة التعلم والتعرف على الأنماط، وهي خصية يمكن قياسها لظاهرة ما تحت الدراسة. ان تحديد واختيار الميزة المستقلة هي خطوة ضرورية من أجل تطوير خوارزميات فعالة في تمييز الأنماط، والتصانيف الاحصائية و التحليل الانحداري. عادة ما يختار الميزات الرقمية، ولكن يمكن استخدام سمات هيكلية مثل السلاسل و في التعرف على الأنماط. يتصل مفهوم الـ «ميزة» بالمتغير التفسيري المستخدم في التقنيات الإحصائية مثل الانحدار الخطي. (ar) In machine learning and pattern recognition, a feature is an individual measurable property or characteristic of a phenomenon. Choosing informative, discriminating and independent features is a crucial element of effective algorithms in pattern recognition, classification and regression. Features are usually numeric, but structural features such as strings and graphs are used in syntactic pattern recognition. The concept of "feature" is related to that of explanatory variable used in statistical techniques such as linear regression. (en) 特徴量（英: feature）はデータを変形して得られ、その特徴を表現し、続く処理に利用される数値である。表現（英: representation）とも。 (ja) 특징(特徵) 또는 피처(Feature)는 기계 학습과 패턴 인식의 용어이다. 관찰 대상에게서 발견된 개별적이고 측정가능한 경험적(heuristic) 속성을 말한다. 독립적인 변수를 잘 선택하는 것은 패턴 인식 상에서 분류를 위한 성공 요인이라 할 수 있다. 특징들은 일반적으로 수치이나, 그래프와 같은 자료 구조적인 특징들 또한 존재한다. 특징들의 집합을 (feature vector)라고 한다. 굳이 벡터로 표시하는 이유는 수학적으로 다루기 편하기 때문이다. 피쳐라는 개념을 가져온 것은 선형 회귀와 같은 통계학적인 기법에서이다. 독립 변수와 종속 변수 개념 또한 통계학에서 가져왔다. (ko) В машинном обучении и распознавании образов признак — это индивидуальное измеримое свойство или характеристика наблюдаемого явления. Выбор информативных, отличительных и независимых признаков является критическим шагом для эффективных алгоритмов в распознавании образов, классификации и регрессии. Признаки обычно являются числовыми, но структурные признаки, такие как строки и графы, используются в .Понятие «признака» связано с объясняющими переменными, используемыми в статистических техниках, таких как линейная регрессия. (ru) В машинному навчанні та розпізнаванні образів озна́ка (англ. feature) — це окрема властивість або характеристика спостережуваного явища, яку можливо виміряти. Обрання інформативних, розрізнювальних і незалежних ознак є ключовим кроком алгоритмів розпізнавання образів, класифікації та регресії. Ознаки є зазвичай числовими, але в використовують і структуровані ознаки, такі як стрічки та графи. Поняття «ознака» є пов'язаним із поняттям описової змінної, що застосовують у таких статистичних методиках як лінійна регресія. (uk) 在机器学习和模式识别中，特征是被观测对象的可测量性能或特性。在模式识别、分类和回归中，信息特征的选择、判别和独立特征的选择是有效算法的关键步骤。特征通常是数值型的，但可以使用结构特征（如字符串和图）。“特征”的概念与線性回歸等统计技术中使用的解释变量有关。 (zh) Nel campo dell'apprendimento automatico, una caratteristica (nota anche con il rispettivo termine inglese feature) è una proprietà individuale e misurabile di un fenomeno osservato. La scelta di caratteristiche discriminanti, ad alto contenuto informativo e indipendenti fra loro è un passo cruciale per ottenere un efficiente algoritmo di riconoscimento di pattern, classificazione e regressione. Il valore di una feature viene solitamente reso in forma numerica; esistono tuttavia delle eccezioni, come nel riconoscimento sintattico di pattern (syntactic pattern recognition), in cui vengono considerate caratteristiche strutturali come stringhe e grafi.Il concetto di "caratteristica" è correlato a quello di variabile esplicativa usato in tecniche statistiche come la regressione lineare. (it) |
| rdfs:label | ميزة (تعلم الآلة) (ar) Feature (machine learning) (en) Caratteristica (apprendimento automatico) (it) 특징 (기계 학습) (ko) 特徴量 (ja) Признак (обучение машин) (ru) 特征 (机器学习) (zh) Ознака (машинне навчання) (uk) |
| rdfs:seeAlso | dbr:Feature_(computer_vision) |
| owl:differentFrom | dbr:Feature_(computer_vision) |
| owl:sameAs | freebase:Feature (machine learning) http://d-nb.info/gnd/4253132-9 wikidata:Feature (machine learning) dbpedia-ar:Feature (machine learning) dbpedia-fi:Feature (machine learning) dbpedia-it:Feature (machine learning) dbpedia-ja:Feature (machine learning) dbpedia-ko:Feature (machine learning) dbpedia-ru:Feature (machine learning) dbpedia-tr:Feature (machine learning) dbpedia-uk:Feature (machine learning) dbpedia-vi:Feature (machine learning) dbpedia-zh:Feature (machine learning) https://global.dbpedia.org/id/3uS5T |
| prov:wasDerivedFrom | wikipedia-en:Feature_(machine_learning)?oldid=1107686949&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-en:Feature_(machine_learning) |
| is dbo:wikiPageDisambiguates of | dbr:Feature |
| is dbo:wikiPageRedirects of | dbr:Feature_space dbr:Feature_vector dbr:Feature_(pattern_recognition) dbr:Feature_construction dbr:Feature_space_vector dbr:Features_(pattern_recognition) dbr:Attribute_construction |
| is dbo:wikiPageWikiLink of | dbr:Neural_tangent_kernel dbr:Decision_stump dbr:Decision_tree_learning dbr:DeepFace dbr:Dependent_and_independent_variables dbr:Design_matrix dbr:Glossary_of_artificial_intelligence dbr:Misuse_of_statistics dbr:Convolutional_neural_network dbr:Ladder_(Go) dbr:Computer-aided_auscultation dbr:Feature_(computer_vision) dbr:Feature_engineering dbr:Feature_extraction dbr:Feature_hashing dbr:Feature_learning dbr:Feature_selection dbr:Federated_learning dbr:Kernel_adaptive_filter dbr:Machine_learning_in_bioinformatics dbr:Adaptive_neuro_fuzzy_inference_system dbr:Feature dbr:Feature_space dbr:Feature_vector dbr:Learning_to_rank dbr:Active_learning_(machine_learning) dbr:Dimensionality_reduction dbr:Fasegraphy dbr:Graph_neural_network dbr:Knockoffs_(statistics) dbr:Random_forest dbr:Bag-of-words_model dbr:K-nearest_neighbors_algorithm dbr:Collective_classification dbr:Model-based_reasoning dbr:Automated_Pain_Recognition dbr:Automatic_basis_function_construction dbr:C4.5_algorithm dbr:Information_gain_(decision_tree) dbr:Factorial_code dbr:ID3_algorithm dbr:Version_space_learning dbr:Multiple_instance_learning dbr:Residual_neural_network dbr:Outline_of_machine_learning dbr:Random_subspace_method dbr:Types_of_artificial_neural_networks dbr:Structured_sparsity_regularization dbr:Feature_(pattern_recognition) dbr:Feature_construction dbr:Feature_space_vector dbr:Features_(pattern_recognition) dbr:Attribute_construction |
| is foaf:primaryTopic of | wikipedia-en:Feature_(machine_learning) |