非結構化資料的特徵工程是否也有可參考的處理流程?
2019/05/20 下午 06:18
機器學習共學討論版
Li Wei Yang
觀看數:16
回答數:2
收藏數:0
ml100-2
ml100-2-d17
教材內容
特徵工程
如題,到目前為止的課程起來都是對結構化的資料作處理,
想請問在D1課程提到的非結構化資料型態,例如圖像、音訊
是否也有可參考的處理流程,類似D17課程下面參考資料的圖片
(特徵工程的樹狀圖,從課程提供的特徵工程的圖片就很清楚可以看到處理流程以及樹狀末端提供的一些技術手法)
或是學習方向、有個較明確處理流程的概念
回答列表
-
2019/05/21 上午 09:49張維元 (WeiYuan)贊同數:1不贊同數:0留言數:1
有一種做法會先把非結構化或是非數值的資料轉成結構化數值資料,接下來就可以套用結構化資料的特徵工程。例如圖片可以轉成矩陣,矩陣可以轉為一維陣列,就變成資料表上的一列。
-
2019/05/22 下午 04:34張維元 (WeiYuan)贊同數:1不贊同數:0留言數:0
感謝您的回答,在問一下,圖片轉結構化資料後,後續還可以再搭配卷積神經網路嗎?我在想資料的一些特徵性質會不會因此被改變或消失,或者說因為做了某些轉換所以之後的對應作法或是訓練手法又不同
=>
- 後續還可以再搭配卷積神經網路嗎?可以
- 特徵性質會不會因此被改變或消失?有可能,所以在轉換的時候也需要考量原始資料
- 某些轉換所以之後的對應作法或是訓練手法又不同?會哦