功能和标签有什么区别？

Question

我正在学习关于机器学习基础知识的教程,并且提到某些东西可以是特征或标签.

据我所知,功能是正在使用的数据的属性.我无法弄清楚标签是什么,我知道这个词的含义,但我想知道它在机器学习的背景下意味着什么.

Answer 1

简而言之,输入特征; 标签输出.

要素是输入集中的一列数据.例如,如果您试图预测某人会选择的宠物类型,您的输入功能可能包括年龄,家庭地区,家庭收入等.标签是最终选择,如狗,鱼,鬣蜥,岩石,等等

一旦训练了模型,就会给出一组包含这些特征的新输入; 它将返回该人的预测"标签"(宠物类型).

Answer 2

特征:

机器学习功能表示训练数据的属性.或者您可以在训练数据集中说出列名称.

假设这是您的训练数据集

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

那么在这里Height,Sex和Age那些特点.

标签 :

训练后从模型中获得的输出称为标签.

假设你上述数据集馈送到一些算法,并产生一个模型来预测性别作为男性或女性,在传递功能,如上述模型age,height等

所以在计算之后它会将性别归还为男性或女性.那个叫做标签

Answer 3

这里有一种更直观的方法来解释这个概念。想象一下，您想对照片中显示的动物进行分类。

可能的动物类别是例如猫或鸟。在这种情况下，标签将是您的机器学习算法将预测的可能的类关联，例如猫或鸟。

该功能是图案，颜色，那是你的图像如弗尔，羽毛，或更低水平解释，像素值的一部分的形式。

标签：鸟类
特征：羽毛

标签：猫
特征：毛皮

Answer 4

让我们举一个例子，我们想使用手写照片检测字母表。我们在程序中提供这些示例图像，程序根据它们获得的特征对这些图像进行分类。

在此上下文中的一个特征示例是：'C'可以将字母视为凹面的右侧。

现在出现了一个关于如何存储这些特征的问题。我们需要为它们命名。这是标签的作用。一个标签是考虑到这样的功能，以区别其他功能他们。

因此，当提供特征作为输入时，我们获得标签作为输出。

标签不与无监督学习有关。

Answer 5

先决条件：基本统计和接触 ML（线性回归）

可以用一句话来回答——

它们很相似，但它们的定义会根据需要而改变。

解释

让我解释一下我的说法。假设您有一个数据集，为此考虑exercise.csv. 数据集中的每一列都称为特征。性别、年龄、身高、心率、Body_temp 和卡路里可能是各种列之一。每列代表不同的特征或属性。

练习.csv

User_ID  Gender Age  Height  Weight Duration    Heart_Rate  Body_Temp   Calories
14733363 male   68  190.0   94.0    29.0           105.0    40.8        231.0
14861698 female 20  166.0   60.0    14.0            94.0    40.3        66.0
11179863 male   69  179.0   79.0    5.0             88.0    38.7        26.0

为了巩固理解并解决难题，让我们考虑两个不同的问题（预测案例）。

案例 1：在这种情况下，我们可能会考虑使用 - 性别、身高和体重来预测运动过程中消耗的卡路里。这里的预测（Y）卡路里是一个标签。Calories是您要使用各种特征进行预测的列，例如 - x1: Gender, x2: Height 和 x3: Weight。

案例2：在这里的第二种情况下，我们可能希望通过使用性别和体重作为特征来预测 Heart_rate。这里Heart_Rate是使用特征预测的标签- x1: Gender 和 x2: Weight。

一旦您理解了上述解释，您就不会再与标签和功能混淆了。