특성공학(feature engineering)과 특성 추출(Feature Extraction)

• Model의 weight : 모델이 학습한 ‘지식’의 저장소

 

• 특성공학(Feature Engineering)
  • ML방법들로 처리하기 용이하게 하기 위해서 사람이 초기에 여러 Data방식으로 변환 필수
  • Deep Learning은 특성공학 단계를 완전 자동화시켰다.

반응형

• 특성 추출(Feature Extraction)
  • 사전에 학습된 Model의 표현을 사용하여 새 Sample에서 흥미로운 feature를 뽑는 것
  • 특성추출의 특성을 이용하여 새로운 분류기를 처음부터 훈련한다.
  • 합성곱층(CNN)에 의해 학습된 표현이 더 일반적이어서 재사용이 가능
    • 이유 : 밀집연결층(Dense층)은 공간개념을 제거하지만 합성곱의 특성ㅁ맵은 객체위치를 고려한다. 따라서 객체위치가 중요한 문제라면 dense층에서 만든 특성은 무의미