【发布时间】：2020-03-09 05:11:20
【问题描述】：
我知道支持向量机、随机树森林和逻辑回归是著名的机器学习 (ML) 分类算法。
我对特征提取、选择和分类之间的术语感到困惑。
上述 ML 算法是否用于提取不属于选择部分的特征？
机器学习算法是否包括特征提取和分类过程？
ML 算法的训练结果（准确度、特异性、灵敏度..）是否告诉我们在特征提取后对疾病进行分类的结果？
【问题讨论】：
标签： machine-learning
【发布时间】：2020-03-09 05:11:20
【问题描述】：
关于您对这 3 个术语的困惑，
特征提取：当您想从原始数据中创建新特征时（假设您有 transaction_day 列但您只对月份感兴趣，因此您创建一个新列“transaction_month” “交易日”）
特征选择：您有许多特征，但只想选择重要的特征（其中有多少是另一个需要研究的主题）。这可以加快学习过程，并且使用正确的策略，您不会牺牲许多应用程序的准确性。
分类：是监督（标记）机器学习系列，您的目标是将观察结果分配给已知类别（例如电子邮件到垃圾邮件或普通类别）
注意：一些机器学习算法如“Lasso”具有内置的特征选择，但对于其他算法，训练后特征的大系数通常表明特征的重要性（read more about recursive feature elimination (rfe)）
你也可以在这篇文章中找到一个很好的讨论。
【讨论】：