功能和标签有什么区别？

Question

我正在关注机器学习基础的tutorial，并且提到某些内容可以是功能或标签。

据我所知，功能是正在使用的数据的属性。我无法弄清楚标签是什么，我知道这个词的含义，但我想知道它在机器学习中的意义。

Answer 1

简单地说，输入特征;标签输出。

功能是输入集中数据的一列。例如，如果您试图预测某人会选择的宠物类型，您的输入功能可能包括年龄，家庭地区，家庭收入等。标签是最终选择，如狗，鱼，鬣蜥，摇滚等。

一旦您对模型进行了培训，您将获得包含这些功能的新输入集;它将返回预测的＆＃34;标签＆＃34; （宠物类型）为那个人。

Answer 2

功能：

机器学习功能表示训练数据的属性。或者您可以在训练数据集中说出列名。

假设这是您的训练数据集

Height   Sex   Age
 61.5     M     20
 55.5     F     30
 64.5     M     41
 55.5     F     51
 .     .     .
 .     .     .
 .     .     .
 .     .     .

然后Height，Sex和Age就是功能。

标签：

训练后从模型中获得的输出称为标签。

假设您将以上数据集提供给某些算法并生成模型以将性别预测为男性或女性，在上述模型中，您传递的功能包括age，height等。

因此，在计算之后它会将性别作为男性或女性返回。这称为标签

Answer 3

让我们举一个例子，我们想用手写的照片检测字母表。我们在程序中提供这些样本图像，程序根据它们获得的特征对这些图像进行分类。

此上下文中的一个功能示例是：字母'C'可以被认为是面朝右的凹面。

现在出现了一个关于如何存储这些功能的问题。我们需要为它们命名。这是标签的作用。 标签被赋予此类功能，以区分它们与其他功能。

因此，当功能作为输入提供时，我们获取标签作为输出。

标签 与无监督学习相关联。

Answer 4

简要说明的功能是您输入系统的输入，标签将是您期望的输出。例如，你已经喂养了狗的许多特征，比如他的身高，皮毛颜色等，所以在计算之后，它会返回你想知道的狗的品种。

Answer 5

  

这里有一种更直观的方法来解释这个概念。假设您要对照片中显示的动物进行分类。

可能的动物类别是猫或鸟。 在这种情况下，标签将是可能的类别关联，例如机器学习算法可以预测的猫还是鸟。

功能是图像中的图案，颜色，形式，例如毛刺，羽毛或更浅层的解释，像素值。

标签： Bird
功能：羽毛

标签：猫
功能：进一步

Answer 6

先决条件：基本统计数据和ML（线性回归）暴露

可以用一个句子回答-

  

它们相似，但是其定义根据需要而改变。

说明

让我解释一下我的陈述。假设您有一个数据集，为此请考虑exercise.csv。数据集中的每一列称为要素。性别，年龄，身高，心率，身体温度和卡路里可能是各个列之一。每列代表不同的功能或特性。

exercise.csv

User_ID  Gender Age  Height  Weight Duration    Heart_Rate  Body_Temp   Calories
14733363 male   68  190.0   94.0    29.0           105.0    40.8        231.0
14861698 female 20  166.0   60.0    14.0            94.0    40.3        66.0
11179863 male   69  179.0   79.0    5.0             88.0    38.7        26.0

为巩固理解并清除难题，让我们考虑两个不同的问题（预测案例）。

  

案例1：在这种情况下，我们可以考虑使用-性别，身高和体重来预测运动中消耗的卡路里。此处的预测（Y）卡路里是标签。 卡路里是您要使用- x1：性别，x2：身高和x3：体重等各种功能进行预测的列。

     

案例2：在第二种情况下，我们可能希望通过使用“性别”和“体重”作为特征来预测Heart_rate。这里的 Heart_Rate 是使用功能预测的标签-x1：性别，x2：体重。

一旦您理解了上面的解释，您就不会再与Label and Features混淆了。

Answer 7

假设您要预测气候，那么赋予您的功能将是历史气候数据，当前天气，温度，风速等，而标签将是几个月。 以上组合可以帮助您得出预测。