机器学习步骤
例如图像识别、语音识别、自然语言理解、天气预测、基因表达等。目前我们通过机器学习去解决这些问题的思路都是这样的(以视觉感知为例):
Low-level sensing -->Preprocessing -->Feature extract -->Feature selection
-->Inference;prediction;recognition
从开始的通过传感器(例如CMOS)来获得数据,然后经过预处理、特征提取、特征选择,再到推理、预测或者识别。最后一个部分,也就是机器学习的部分,绝大部分的工作是在这方面做得。而中间这三个部分,概括起来就是特征表达。良好的特征表达,对最终算法的准确性起了非常关键的作用,而且系统的主要计算和测试工作都耗在这一大部分。但,这块实际中一般都是人工完成的,靠人工提取特征。
然而,手工选取特征是一件非常费力、启发式(需要专业知识)的方法,能不能选取好很大程度上靠经验和运气,而且它的调节需要大量的时间。既然手工选取特征不太好,那么能不能自动的学习一些特征呢?答案是能!Dee