Day 4 - 電腦眼中的世界：「特徵」

什麼是特徵?

特徵是用來區分不同物體的依據，統合許多不同的特徵來做出分類決策的程序則稱為分類器。機器學習的目的就是要找出特徵與特徵之間的關係，並加以組合後，得到正確的結果。

例子

例如在判斷一個人是男生還是女生的時候，可能會採用頭髮、鬍子、衣著、身形等特徵，並將這些特徵轉換成數學形式後，得到一個男生或女生的結論。

機器喜歡的特徵

機器無法理解語意型的特徵，因此在定義特徵時，最好使用可量化的資訊作為特徵。

例子

• 棒球 vs 籃球：直徑
• 機車 vs 汽車：輪子數
• 火車 vs 飛機：最高速度

同樣的特徵在不同問題中可能有不同的效果，例如機車與腳踏車的比較中，輪子數這個特徵就不適用了。

向量表示法

通常生活中遇到的問題都比較複雜，難以只使用單一特徵來做區分，所以我們會使用多個特徵。例如，有兩個特徵15和3，在數學上就會表示成(15, 3)，這種表示法稱為向量表示法。由於這些向量的本質都是特徵，所以也稱作特徵向量。

特徵空間

轉換成特徵向量後，它已經是一個數學表示法。假設有兩個特徵 (x_1) 和 (x_2)，那每個特徵向量就是這個座標平面上的一個點，這些特徵向量所在的空間，稱為特徵空間。機器要學習的是如何在這個特徵空間中正確地區分所有樣本。

例如，下圖中，機器會找到中間那條藍色的線，並學成了一個分類器。

電腦如何理解影像

電腦看到的圖其實是一堆代表顏色的RGB數字，所以它學習的是這些數字與大象之間的關聯性。

實務上的處理

每個畫素(pixel)都會有顏色資訊RGB，例如8x8的手寫數字圖像就有64個點，如果是彩色圖像就會有RGB三個值。對於灰階影像，只有亮度資訊，這些數字通常會先攤平，意思是將8x8轉成1x64的向量，這樣已經轉成向量的形式，就可以交給機器學習。

要用多少特徵?

• 特徵太少：效果不好
• 特徵太多：耗時且資料不足

事實上，我們並不知道究竟要多少特徵，通常是通過多次實驗來測試和調整。

錯誤率低 = 好?

不一定。有時候錯誤率低並不代表模型好。例如在做癌症檢測時，如果預測所有人都沒有癌症，雖然會有很高的準確率，但顯然這是不好的。我們希望只要有癌症的可能性就要檢出來，所以錯誤率低並不一定是一個好模型。