表征学习（representation learning）与特征工程（feature engineering）的区别

最新推荐文章于 2025-04-09 10:31:09 发布

爱学习的大白菜

最新推荐文章于 2025-04-09 10:31:09 发布

阅读量3.6k

点赞数 5

文章标签： python 开发语言后端

本文链接：https://blog.youkuaiyun.com/csdnliwenqi/article/details/121430465

版权

本文探讨了表征学习和特征工程两种数据处理方法。表征学习通过深度学习等技术自动提取特征，而特征工程则依赖专家手动选择特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

表征学习 和 特征工程 的目的都是从要分析的数据中提取相应的数据表示。即如何更好的表示我要分类或预测的数据。

xx学习	简介	具体介绍
表征学习	自动选择特征	表征学习(representation learning) 即让模型自动的学习数据的表示，如使用一些深度学习模型CNN、RNN、AutoEncoder，主成分分析等等。
特征工程	手动选择特征	特征工程（feature engineering）一般指专家来提取数据的特征。是人为的提取特征的过程。因此叫“工程”。