machine learning - ejemplos - ¿Cuál es la diferencia entre una característica y una etiqueta?

meta tags ejemplos

Question

Estoy siguiendo un tutorial sobre conceptos básicos de aprendizaje automático y se menciona que algo puede ser una característica o una etiqueta .

Por lo que sé, una característica es una propiedad de los datos que se están utilizando. No puedo entender cuál es la etiqueta, sé el significado de la palabra, pero quiero saber qué significa en el contexto del aprendizaje automático.

Answer 1

Aquí viene un enfoque más visual para explicar el concepto. Imagina que quieres clasificar el animal que se muestra en una foto.

Las posibles clases de animales son, por ejemplo, gatos o pájaros. En ese caso, la etiqueta sería las posibles asociaciones de clase, por ejemplo, gato o pájaro, que su algoritmo de aprendizaje automático predecirá.

Las características son patrones, colores, formas que forman parte de sus imágenes, por ejemplo, pelaje, plumas o más interpretación de bajo nivel, valores de píxeles.

Etiqueta: Pájaro
Características: plumas

Etiqueta: Cat
Caracteristicas: Furr

Answer 2

Brevemente, la característica es entrada; se emite la etiqueta. Esto se aplica tanto a los problemas de clasificación como de regresión.

Una característica es una columna de los datos en su conjunto de entrada. Por ejemplo, si está intentando predecir el tipo de mascota que alguien elegirá, sus características de entrada pueden incluir edad, región de origen, ingresos familiares, etc. La etiqueta es la elección final, como perro, pez, iguana, roca, etc.

Una vez que haya entrenado su modelo, le dará conjuntos de nuevas entradas que contienen esas características; devolverá la "etiqueta" pronosticada (tipo de mascota) para esa persona.

Answer 3

Tomemos un ejemplo en el que queremos detectar el alfabeto usando fotos escritas a mano. Alimentamos estas imágenes de muestra en el programa y el programa clasifica estas imágenes en función de las características que obtuvieron.

Un ejemplo de una característica en este contexto es: la letra ''C'' puede considerarse como una cóncava hacia la derecha.

Ahora surge una pregunta sobre cómo almacenar estas características. Necesitamos nombrarlos. Aquí está el papel de la etiqueta. Se da una etiqueta a tales características para distinguirlas de otras características.

Por lo tanto, obtenemos etiquetas como salida cuando se proporcionan características como entrada .

Las etiquetas no están asociadas con el aprendizaje no supervisado.

Answer 4

Una característica brevemente explicada sería la entrada que ha alimentado al sistema y la etiqueta sería la salida que espera. Por ejemplo, ha alimentado muchas características de un perro como su estatura, color de pelaje, etc., por lo que después de calcular, le devolverá la raza del perro que desea conocer.

Answer 5

Característica:

La función de Aprendizaje automático significa una propiedad de sus datos de entrenamiento. O puede decir un nombre de columna en su conjunto de datos de entrenamiento.

Supongamos que este es su conjunto de datos de entrenamiento

Height   Sex   Age
 61.5     M     20
 55.5     F     30
 64.5     M     41
 55.5     F     51
 .     .     .
 .     .     .
 .     .     .
 .     .     .

Entonces aquí, Height , Sex y Age son las características.

etiqueta:

El resultado que obtiene de su modelo después de entrenarlo se denomina etiqueta.

Supongamos que alimentó el conjunto de datos anterior a algún algoritmo y genera un modelo para predecir el género como masculino o femenino. En el modelo anterior, pasa características como la age , la height , etc.

Entonces, después de calcular, devolverá el género como Masculino o Femenino. Eso se llama una etiqueta