4.2　理解特征工程

不管你是否相信，一個機器學習系統(tǒng)的學習效果都主要取決于訓練數(shù)據(jù)的質(zhì)量。盡管每種學習算法都有其優(yōu)點和缺點，但是性能的差異往往取決于數(shù)據(jù)準備或者數(shù)據(jù)表示的方式。因此，可以把特征工程理解為數(shù)據(jù)表示的一種工具。機器學習算法試圖從樣本數(shù)據(jù)中學習問題的解決方案，而特征工程會問：用于學習問題的解決方案的樣本數(shù)據(jù)的最佳表示是什么？

是否還記得，在前面我們討論過一個完整的機器學習管道。在那里我們提及過特征提取，但是還有沒有真正討論其究竟是什么。讓我們來看看特征提取是如何融入機器學習管道的，見圖4-1。

圖4-1　特征提取與機器學習過程

簡單提示一下，我們已經(jīng)討論過，特征工程可以分為兩個階段：

• 特征選擇（Feature selection）：這是識別數(shù)據(jù)中重要屬性（或者特征）的過程。一張圖像的特征可能是邊緣、角點或脊的位置。在這一章，我們將研究OpenCV提供的一些更高級的特征描述符，例如二值魯棒獨立基本特征（Binary Robust Independent Elementary Feature，BRIEF）以及面向FAST和可旋轉(zhuǎn)的BRIEF（Oriented FAST and Rotated BRIEF，ORB）。
• 特征提取（Feature extraction）：這實際上是將原始數(shù)據(jù)變換到期望特征空間以滿足機器學習算法的過程，如圖4-1所示。例如Harris操作符，它允許我們提取一張圖像中的角點（即一個選擇的特征）。

剩下要做的就是逐步介紹這些過程，并討論一些最常見的數(shù)據(jù)預處理技術(shù)。