表征学习（特征学习）与特征工程

表征能力：对于某个特定问题，特征对于问题本质的反映能力，决断能力

对于不同的问题，同一个数据集，同一个特征的表征能力不同，即最优表征（特征组合）只针对于同一个问题。

例如：给定包含人体细胞，血型，组织，基因，器官等特征的数据集
对于问题A：区分不同的人，毋庸置疑，基因的表征能力很强，血型的表征能力很弱
对于问题B：人的健康等级分类，则各个属性都有较强的表征

特征选择
1.表征学习：自动的从数据集中提取出最能反应问题本质的特征

1. 深度学习：常见的模型如CNN/RNN/DBN等
2. 无监督学习算法：如主成分分析(PCA)及自编码器（autoencoder）通过对数据转化而使得输入数据更有意义
3. 某些树模型：可以自动的学习到数据中的特征并同时作出预测

2.特征工程：人工选择特征

1. 相关系数
2. 方差

参考资料
「特征工程」与「表示学习」