特征向量

在机器学习，特征向量用于表示数字或符号特征，称为特性，用数学上容易分析的方法来描述一个对象。它们对机器学习和模式处理的许多不同领域都很重要。机器学习算法通常需要对象的数字表示，以便算法进行处理和统计分析。特征向量等价于解释变量在统计过程中使用的线性回归．

您可能熟悉的特征向量的一个例子是RGB(红-绿-蓝)颜色描述。一种颜色可以用红色、蓝色和绿色的多少来描述。它的特征向量是color = [R, G, B]。

^［1］

一个向量是一串数字吗，比如a矩阵如果是一列多行，通常可以用空间表示。一个功能是一个对象的某个方面的数字或符号属性。一个特征向量是包含一个对象的多个元素的向量。将对象的特征向量放在一起可以组成一个特征空间．

这些特征可以代表，作为一个整体，仅仅是一个像素或整个图像。粒度取决于某人试图了解或表示对象的内容。你可以用一个表示高度、宽度、深度等的特征向量来描述一个三维形状。

特征向量的基础知识^［２］

特征向量在机器学习中得到了广泛的应用，因为它可以用数值方法来表示对象，帮助进行多种分析。它们很适合分析，因为有很多比较特征向量的技术。比较两个对象的特征向量的一个简单方法是取欧氏距离．

在图像处理，特征可以是梯度大小、颜色、灰度强度、边缘、区域等等。在图像处理中，特征向量特别受欢迎，因为一旦放入特征向量，图像的属性(如所列示例)可以方便地进行数值比较。

在语音识别，功能可以是声音长度、噪音等级、噪音比等。

在反垃圾邮件活动，特征丰富。它们可以是IP地址、文本结构、特定单词的频率或特定的电子邮件标题。

特征向量用于分类问题，人工神经网络,再邻居机器学习中的算法。

特征向量类型

这里的特征向量是更大向量空间中的句子:^［3］

---

在模式识别过程中，特征向量是在收集数据和理解数据之间使用的工具:一个典型的数据收集和数据分析过程^［２］

1. ,年代。文件:RGB color solid cube.png．2016年7月20日，从https://commons.wikimedia.org/wiki/File:RGB_color_solid_cube.png
2. Gutierrez-Osuna, R。模式分析概论．2016年4月30日，从http://research.cs.tamu.edu/prism/lectures/iss/iss_l9.pdf
3. 腓骨,C。机器学习:文本特征提取．从检索http://blog.christianperone.com/2011/09/machine-learning-text-feature-extraction-tf-idf-part-i/