神经网络中“特征”的定义是什么？

Question

我是神经网络的初学者。我对feature这个词很困惑。你能给我一个feature的定义吗？这些特征是隐藏层中的神经元吗？

Answer 1

要素是输入向量的元素。要素数等于网络输入层中的节点数。

如果你使用神经网络将人们分类为男性或女性，那么这些特征就像身高，体重，头发长度等等。每个都有一个以米，千克等为单位的初始值，以及然后将其归一化并在呈现给系统之前以零（在特征内）为中心。

所以这个人：

  

高度：1.5米
  重量：70kg
  头发长度：0.1米

最初将由向量[1.5, 70, 0.1]表示，然后在预处理之后（数据集中必须有其他项目...），例如[-0.2, 0.4, .05]

字母图像的特征可以像像素的灰度值一样简单。其他功能可以通过处理图像并从功率谱中提取参数，或查找边缘等来生成。要了解有关此内容的更多信息，请查找有关图像处理和特征提取的信息。

Answer 2

神经网络中的要素是数据集中的变量或属性。您通常会选择一个可以用作模型的良好预测变量的变量子集。因此在神经网络中，特征将是输入层，而不是隐藏层节点。输出是您试图预测的任何变量（或变量）。