Machine Learning之於feature mapping 系列

在機器學習中，原始數據往往存在非線性、雜訊或維度限制，導致模型難以準確捕捉潛在模式。Feature Mapping（特徵映射）技術透過數學函數或深度表示學習，將資料從原始特徵空間轉換至高維或更具判別力的特徵空間，使得複雜的關係更容易被模型識別。此專案將探討並實作多種映射方法，包括核技巧（Kernel Trick）、多項式映射及深度網路嵌入（Deep Embedding），並在分類、回歸與聚類任務中進行性能比較，展現特徵映射在模型泛化能力與準確率提升上的關鍵作用。