مفهوم ویژگی، بردار ویژگی و استخراج ویژگی چیست؟

           ویژگی و استخراج ویژگی چیست؟

چرا باید ویژگی استخراج کنیم؟

مشخصات ویژگی خوب چیست؟

در شناسایی آماری الگو، ویژگی به یک مشخصه یا خصوصیت قابل اندازه‌گیری از یک پدیده‌ای که مشاهده می‌کنیم گفته می‌شود. از هر پدیده ویژگی‌های مختلفی را اندازه‌گیری می‌کنیم که به آن پروسه استخراج ویژگی گفته می‌شود.   

ویژگی و انتخاب ویژگی

 طی چند سال اخیر مجموعه داده‌های متعددی با ابعاد بالا در اینترنت در دسترس قرار گرفتند. زیرا برای الگوریتم‌های یادگیری ماشین سر و کار داشتن با حجم زیادی از ویژگی‌های ورودی کاری دشوار است. در حال حاضر ابعاد مجموعه داده‌های بنچ‌مارک که از مخازن داده گوناگون در دسترس هستند به میلیون‌ها عدد یا حتی بیشتر افزایش یافته است. در حقیقت تحلیل‌هایی که توسط پژوهشگران انجام شده حاکی از آن است که ۷ تا از ۱۱ مجموعه داده‌ای که در سال ۲۰۰۷ منتشر شده‌اند دارای ابعادی بالغ بر میلیون‌ها ویژگی بوده‌اند. برای مواجهه با مساله تعداد بالای ویژگی‌ها روش‌های کاهش ابعاد الزامی است و می‌توانند به بهبود کارایی یادگیری کمک کنند. 

پارافریز

پارافریز چیست؟

سرقت ادبی یعنی این‌که آثار یا ایده‌های دیگران را به‌عنوان آثار یا ایده‌های خود معرفی کنیم. به عبارتی اگر ایده‌هایی را از یک منبع اصلی برداشت کرده و منبع را به‌درستی ذکر نکنیم در حقیقت مرتکب سرقت ادبی شده و قوانین کپی‌رایت را نقض کرده‌ایم. امروزه کپی و پیست کردن مطالب به‌عنوان نمادی از وقوع سرقت ادبی به شمار می‌آید[1]. 

الگوریتم های ژنتیکی

"اولین کتاب مقدماتی که تأکید بر کاربردهای عملی از طریق استفاده از مشکلات مثال است." مجله بین المللی سیستمهای عمومی ، جلد. 31 ، شماره 1 ، 2002 ، در چاپ اول

استفاده از الگوریتم های ژنتیکی برای حل مشکلات محاسباتی بزرگ و غالباً پیچیده باعث ایجاد بسیاری از برنامه های جدید در انواع رشته ها شده است. الگوریتم های ژنتیکی عملی اولین کتاب مقدماتی در مورد الگوریتم های ژنتیکی بود که به جای تئوری بر کاربردهای عملی تأکید می کند. کتاب الگوریتم های ژنتیکی عملی، ویرایش دوم نشان دهنده تکامل چشمگیر زمینه ژنتیک از زمان چاپ اول کتاب است. 

سیستم های دسته بند یادگیر از آغاز تاکنون

جان هنری هالند به خاطر کار خود در زمینه محبوب سازی الگوریتم های ژنتیکی، از طریق کتابی که در سال 1975 با اقتباس از "سازگاری در سیستم های طبیعی و مصنوعی" و رسمیت بخشیدن به قضیه شمای هلند انجام داد، بیشتر شناخته شد. در سال 1976 هلند مفهوم الگوریتم ژنتیکی را به آنچه که او "سیستم شناختی" نامیده بود مفهوم زد و اولین شرح مفصلی را که به عنوان اولین سیستم طبقه بندی یادگیری شناخته می شود در مقاله "سیستمهای شناختی مبتنی بر الگوریتمهای تطبیقی" ارائه داد. این سیستم اول با نام سیستم شناختی اول به عنوان ابزاری برای الگوسازی طراحی شده بود که برای مدل سازی یک سیستم واقعی با پویایی اساسی ناشناخته با استفاده از جمعیت قواعد قابل خواندن انسان طراحی شده بود. در محیط مبتنی بر بازپرداخت یا پاداش که اعمال این قوانین برای ایجاد رفتاری با سیستم واقعی مطابقت داشته باشد. این اجرای زودهنگام بعداً بعنوان بسیار پیچیده تلقی شد و نتایج متناقضی را به همراه آورد. 

طراحی و تجزیه و تحلیل سیستم های طبقه بندی یادگیری

این کتاب مقدمه ای جامع برای طراحی و تجزیه و تحلیل سیستم های طبقه بندی یادگیری از منظر یادگیری ماشین ارائه می دهد. سیستم های طبقه بند یادگیر  خانواده ای از روش ها برای دستیابی به یادگیری بدون نظارت، یادگیری نظارت شده و کارهای تصمیم گیری پی در پی با تجزیه فضاهای مشکل بزرگتر در زیرمجموعه های آسان برای کنترل است. برخلاف این که معمولاً از دیدگاه محاسبات تکاملی، به طراحی و تحلیل آنها نزدیک می شویم ، در عوض، این کتاب یک رویکرد مبتنی بر مدل محور را بر اساس سؤال تعیین کننده آنها "سیستم های طبقه بندی یادگیری  قرار است چه چیزی یاد بگیرد؟" ترویج می کند.