机器学习基石 ------Type of learning

Feature

1. Concrete Feature
2. Raw Feature
3. Abstract Feature

以识别手写数字为例：
1.Concrete Feature: 具体的特征，通常具体特征对于机器学习而言会产生较大的影响 比如对于不同的手写数字，像素分布密度不同，对称性不同 等等（密度 对称性 是较为具体的特征）具有现实意义的特征
2. Raw Feature ： 对于手写数字而言，每一个像素点的像素值便是Raw Feature 即为原始资料 对于这类资料 需要人为的抽取出具体特征，即Feature Enginering 或者通过深度学习的方法进行特征提取
3. Abstract Feature ： 给出 （userId ，itemId，score ）元组 回归问题 根据userId和itemId 预测score userId，itemId 这类没有具体意义的特征被称为 Abstract Feature 对于这类问题同样需要经过特征工程的处理 提取