机器学习中维度，属性和特征的区别

Question

这是二维的：[[2,2]]但它也有2个特征/属性不是它。我对尺寸，属性和特征之间的差异感到困惑。

Answer 1

我不同意@Atilla回答

• 维度通常是指数字属性，虽然它也可以用于“数据向量的第二维是人的年龄”的形式，但它是相当罕见 - 在大多数情况下，维度是“属性数量”
• 属性是您的积分中的一种特殊“数据类型”，因此每个观察/数据点（如个人记录）包含许多不同的属性（如人体重，身高，年龄等）< / LI>
• 功能可能有多种含义，具体取决于具体情况：
  • 有时指属性
  • 它有时指特定学习模型生成的数据的内部表示，例如 - 神经网络提取特征，它们是属性或其他特征的组合
  • 它有时指的是内核方法引起的数据的假设表示（在内核PCA，内核k-means，SVM中）

一般来说，你有一些对象X，你用一些属性描述（这是特征提取的第一步，所以这些属性有时也被称为feature），它创建给定维度的表示（属性数量，提取的特征）。然后你训练一些模型，它经常创建某种抽象（有时甚至是多层次），每个抽象都会生成新的特征（从特征中提取特征），这些特征是更复杂的对象然后是在较低的“水平”。

 X  --->   repr(X)   --->   f1(repr(X)) --->   ....  --->   fn(repr(X))
data      attributes         1st level                      nth level
        (0th features)       features                       features

      |repr(X)|=dimension

f经常是经常性的，因此f2(repr(X))实际上是f2'(f1(repr(X))

Answer 2

他们是一样的东西。属性，维度和特征。根据作者的背景或领域，它们可以互换使用。

例如，如果你在谈论数学方面，你可以说这是高维问题。