机器学习第三课——特征提取

最新推荐文章于 2025-05-24 14:48:20 发布
最新推荐文章于 2025-05-24 14:48:20 发布
阅读量2.8k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41118491/article/details/78681127
本文介绍了机器学习中的特征提取技术，包括直方图、haar-like特征、PCA、LBP和HOG。直方图用于图像匹配，PCA用于高维数据降维，LBP提供旋转不变性，而HOG则适用于轮廓清晰的图像特征提取。每种方法都有其特定的应用场景和计算原理。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

这节课主要讲了特征提取，包括

（1）直方图&haar-like特征提取

（2）PCA&LBP特征提取

（3）HOG

下面关于课程内容作一下记录。

1、直方图：可以作为图像匹配使用

可以在一幅大的图像中通过滑窗取出一幅小图（与模板的大小相同）得到其直方图，并与模板的直方图进行匹配，得出大图中是否存在模板图的结论。

2、haar-like特征提取

对于haar-like特征提取的理解主要参考了

http://blog.sina.com.cn/s/blog_4e6680090100d2sd.html

该博客已经对haar-like写得很详细了，其中还有具体的代码，我将程序运行了一下，对于50x60像素的bmp图片进行处理，它的特征量为1147500个

最低0.47元/天 解锁文章

200万优质内容无限畅学
qq_41118491
关注
机器学习水果识别——python+opencv实现物体特征提取
午觉的博客
12-02 6万+
文章目录一、用python+opencv实现物体特征值提取1、读取图像、转为灰度图像并降噪2、获取水果轮廓将最大轮廓画入最开始的img图像并显示将小于某一规模的轮廓删除3、提取水果的面积周长及颜色获取二值图并计算面积提取边缘并计算周长提取平均颜色二、代码 一、用python+opencv实现物体特征值提取 以水果为例。要用机器学习来实现水果识别，无论是训练还是识别阶段都需要提取图片中水果的特征值。...
机器学习学习笔记之——无监督学习之降维、特征提取与流形学习
前尘忆梦的博客
12-08 1882
降维、特征提取与流形学习 前面讨论过，利用无监督学习进行数据变换可能有很多种目的。最常见的目的就是可视化、压缩数据，以及寻找信息量更大的数据表示以用于进一步的处理。 为了实现这些目的，最简单也最常用的一种算法就是主成分分析。我们也将学习另外两种算法：非负矩阵分解（NMF）和 t-SNE，前者通常用于特征提取，后者通常用于二维散点图的可视化。 1、主成分分析（PCA） 主成分分析（principal component analysis，PCA）是一种旋转数据集的方法，旋转后的特征在统计上不相关。在做完这种旋
机器学习特征选择和特征提取
01-04
机器学习特征选择和特征提取，介绍了常见的特征处理方法
机器学习 特征提取
WangYouJin321的博客
07-26 1269
特征提取：从原有属性中选择一个子集，达到降维目的。 原文：https://blog.youkuaiyun.com/mr_tyting/article/details/73413979 其中第一种过滤型很少使用。 特征选择思想简介 先大概讲讲上面三种方法思想： 过滤型 变量排序就是一种典型的过滤式方法，该方法独立于后续要使用的模型。这种方法的关键就是找到一种能度量特征重要性的方法，...
机器学习之特征提取
最新发布
weixin_48093379的博客
05-24 925
本文介绍了机器学习中特征提取的核心概念和方法。特征提取是将原始数据转换为模型可理解的数字形式的过程，类似烹饪中的食材预处理。对于结构化数据（如表格），介绍了数值型特征处理（分桶）、类别型特征处理（独热编码）和时间特征提取。对于非结构化数据（如文本和图像），讲解了词袋模型、TF-IDF等文本特征提取方法，以及手工特征和深度学习自动提取图像特征的技术。文章还分享了特征组合、特征选择等高级技巧，并提供了结构化数据处理的工具推荐和避坑指南。最后通过用户购物行为分析的实战案例，展示了特征提取的实际应用。
【机器学习】特征提取
微信公众号: 后端码匠
08-11 3013
特征提取 目标 应用DictVectorizer实现对类别特征进行数值化、离散化 应用CountVectorizer实现对文本特征进行数值化 应用TfidfVectorizer实现对文本特征进行数值化 说出两种文本特征提取的方式区别 定义 特征提取是将任意数据（如文本或图像）转换为可用于机器学习的数字特征 注：特征值化是为了计算机更好的去理解数据 字典特征提取(特征离散化) 文本特征提取 图像特征提取（深度学习） 特征提取API sklearn.feature_ext
【Python机器学习】PCA——特征提取（2）
weixin_39407597的博客
06-09 1201
现在用PCA。想要度量人脸的相似度，计算原始像素空间中的距离是一种相当糟糕的方法。用像素表示来比较两张图像时，我们比较的是每个像素的灰度值与另一张图像对应位置的像素灰度值。这种表示与人们对人脸图像的解释方式有很大不同，使用这种原始表示很难获取到面部特征。例如，如果使用像素距离，那么将人脸向右移动一个像素将发生巨大变化，得到一个完全不同的表示。我们希望，使用沿着主成分方向的距离可以提高精度。这里我们启用PCA的白化选项，它将主成分缩放到相同的尺度提高精度。变换后的结果与使用StandardScaler相同。
【Python机器学习】NLP信息提取——值得提取的信息
weixin_39407597的博客
09-19 1418
提取日期比提取GPS坐标要难很多。日期更接近自然语言，可以通过不同的方言表达类似的事物。
决策树算法（四）
王涛涛的博客
01-13 1138
8.特征提取 1 定义 将任意数据（如文本或图像）转换为可用于机器学习的数字特征 注：特征值化是为了计算机更好的去理解数据 特征提取分类: 字典特征提取(特征离散化) 文本特征提取 图像特征提取（深度学习将介绍） 2 特征提取API sklearn.feature_extraction 3 字典特征提取 作用：对字典数据进行特征值化 sklearn.feature_extrac...
特征提取之滑动窗口
02-16
视频中行为识别发展历程
现代机器学习基于深度学习的图像特征提取
04-12
机器学习基于深度学习的图像特征提取
快速入门机器学习——特征抽取
ljinshuo的博客
10-21 5733
学习视频来源于黑马程序员的python机器学习快速入门，根据视频做的学习笔记，感谢黑马程序员的开源精神。 1.机器学习概述 1.人工智能概述     人工智能、机器学习、深度学习的关系： 机器学习是人工智能的一个实现途径。 深度学习是机器学习的一个方法发展而来。     机器学习、深度学习的应用场景： 传统预测 图像识别 自然语言处理 2.什么是机器学习     通过历史数据训练
机器学习——特征提取
qq_41566819的博客
12-19 1472
数据具有多种数据类型，除了数字化的信号数据（声音、图像等），还有大量符号化的文本。但是，机器学习模型无法处理符号化的文本，只能接收数值型和布尔型数据，需要对数据进行特征提取。特征提取又称特征抽取，是将任意数据（如字典、文本或图像）转换为机器学习的特征向量。
机器学习：特征提取
Wei_sx的博客
12-21 1886
特征提取是一种数据预处理技术，旨在从输入数据中提取出最相关、有代表性的特性（特征）。这一过程可以减少数据的维数，避免对模型造成噪声干扰，并提高训练和推断的效率。特征提取是特征工程中的关键环节，通过有效地从原始数据中提取信息，可以显著提高模型的性能。选择适当的特征提取方法和过程对于模型的成功至关重要。不同的任务和数据类型可能需要不同的特征提取技术，因此良好的理解和实践是必需的。
机器学习提取特征
zyp361161的博客
08-19 509
量纲思维 把数据变成同一个维度，归一化 特征工程 特征如何使用？ -业务理解，可用性评估特征如何获取？ -获取与存储 特征如何处理？ -清洗，标准化，特征选择，特征扩展更新特征？ 数据清洗 1、比方说一些年龄特征是空值或者负数或者大于200等 2、某个页面的播放数据大于曝光数据，这些就是数据的不合理 scikit-learn特征工程 ...
机器学习技法：最终篇——特征利用与优化技术
"这是一份关于机器学习的英文课件，主要内容涵盖了机器学习技法的总结，包括嵌入式特征、组合预测特征以及隐含特征提取等技术。在第十六讲中，重点讨论了特征利用技术、错误优化技术和过拟合消除技术，并提及了在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值