기능과 레이블의 차이점은 무엇입니까?

기능과 레이블의 차이점은 무엇입니까?

---

기계 학습 기본 사항에 대한 자습서 를 따르고 있으며 기능 또는 레이블이 될 수 있다는 언급이 있습니다 .

내가 아는 한 기능은 사용중인 데이터의 속성입니다. 레이블이 무엇인지 알 수없고 단어의 의미를 알고 있지만 기계 학습의 맥락에서 그것이 무엇을 의미하는지 알고 싶습니다.

---

간단히 말해서 기능이 입력됩니다. 라벨이 출력됩니다. 이것은 분류 및 회귀 문제 모두에 적용됩니다.

특성은 입력 세트에있는 데이터의 한 열입니다. 예를 들어, 누군가가 선택할 애완 동물의 유형을 예측하려는 경우 입력 기능에는 연령, 거주 지역, 가족 소득 등이 포함될 수 있습니다. 레이블은 개, 물고기, 이구아나, 바위, 기타

모델을 학습 한 후에는 해당 기능을 포함하는 새로운 입력 세트를 제공합니다. 그 사람에 대해 예측 된 "라벨"(애완 동물 유형)을 반환합니다.

---

특색:

기계 학습에서 기능은 학습 데이터의 속성을 의미합니다. 또는 학습 데이터 세트의 열 이름을 말할 수 있습니다.

이것이 훈련 데이터 세트라고 가정하십시오.

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

그리고 여기 Height, Sex그리고 Age특징이다.

라벨 :

학습 후 모델에서 얻은 출력을 레이블이라고합니다.

위의 데이터 세트를 일부 알고리즘에 제공하고 성별을 남성 또는 여성으로 예측하는 모델을 생성한다고 가정합니다. 위 모델에서는 age, height등과 같은 기능을 전달합니다 .

따라서 계산 후 성별을 남성 또는 여성으로 반환합니다. 그게 라벨 이라고

---

손으로 쓴 사진을 사용하여 알파벳을 감지하려는 예를 들어 보겠습니다. 우리는 이러한 샘플 이미지를 프로그램에 제공하고 프로그램은 이러한 이미지를 얻은 기능에 따라 분류합니다.

이 맥락에서 특징의 예는 다음과 같습니다. 문자 'C'는 오른쪽을 향하는 오목한 것으로 생각할 수 있습니다.

이제 이러한 기능을 저장하는 방법에 대한 질문이 생깁니다. 이름을 붙여야합니다. 여기에 레이블의 역할이 존재합니다. 라벨은 그러한 기능에 주어진 구별 다른 기능에서 그들을.

따라서 기능이 입력으로 제공되면 레이블을 출력으로 얻습니다 .

라벨은 비지도 학습과 관련 이 없습니다 .

---

개념을 설명하기위한보다 시각적 인 접근 방식이 있습니다. 사진에 표시된 동물을 분류하고 싶다고 상상해보십시오.

가능한 종류의 동물은 예를 들어 고양이 또는 새입니다. 이 경우 레이블 은 기계 학습 알고리즘이 예측할 수있는 가능한 클래스 연관 (예 : 고양이 또는 새)이됩니다.

기능은 패턴, 색상, 이미지 등 furr, 깃털, 또는 더 낮은 수준의 해석, 픽셀 값의 일부 형태이다.

라벨 : 새
특징 : 깃털

라벨 : 고양이
특징 : 모피

---

A feature briefly explained would be the input you have fed to the system and the label would be the output you are expecting. For example, you have fed many features of a dog like his height, fur color, etc, so after computing, it will return the breed of the dog you want to know.

---

Prerequisite: Basic Statistics and exposure to ML (Linear Regression)

It can be answered in a sentence -

They are alike but their definition changes according to the necessities.

Explanation

Let me explain my statement. Suppose that you have a dataset, for this purpose consider exercise.csv. Each column in the dataset are called as features. Gender, Age, Height, Heart Rate, Body_temp, and Calories might be one among various columns. Each column represents distinct features or property.

exercise.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

To solidify the understanding and clear out the puzzle let us take two different problems (prediction case).

CASE1: In this case we might consider using - Gender, Height, and Weight to predict the Calories burnt during exercise. That prediction(Y) Calories here is a Label. Calories is the column that you want to predict using various features like - x1: Gender, x2: Height and x3: Weight .

CASE2: In the second case here we might want to predict the Heart_rate by using Gender and Weight as a feature. Here Heart_Rate is a Label predicted using features - x1: Gender and x2: Weight.

위의 설명을 이해하면 더 이상 레이블 및 기능과 혼동하지 않을 것입니다.

참고 URL : https://stackoverflow.com/questions/40898019/what-is-the-difference-between-a-feature-and-a-label