【发布时间】：2020-06-22 12:02:21
【问题描述】：
我一直在和朋友争论“特征提取”。他说机器学习的主要任务是提取特征。但我不同意。在常识中，特征提取不是 ML 任务。如果我们认为 wx+b 是表示 ML 的最简单方法，那么 ML 的任务就是找到最好的 w 和 b。 x 是特征。 ML 试图找出给定 x 的最佳 w 和 b 值，它与训练数据匹配，从而学习如何找到 w 和 b。
我的朋友说提取特征是 ML 的核心任务。但据我所知，特征提取主要是一项数据预处理任务。
【问题讨论】：
-
如果您知道是这种情况，您的问题是什么？
-
如果将“ML”定义为模型本身，那么特征提取就不是核心步骤。如果您将“ML”定义为“构建 ML 解决方案所需的内容”，那么特征提取绝对是核心步骤。我会选择后者。
-
@Stergios 感谢您的宝贵意见。我现在了解这两种情况。但这是 ML 完成的唯一核心任务吗？有时可以手动完成特征提取。我想问你这个，特征提取本身是机器学习还是机器学习的过程？
-
在我看来，这不是唯一的核心任务。特征提取是构建基于 ML 的解决方案过程的一部分。 “机器学习”一词本身主要关注算法和统计数据，但在任何实际项目中，ML 都比这更广泛。
标签： machine-learning deep-learning computer-vision feature-extraction pattern-recognition