"feature"在神经网络中的定义是什么？
What is the definition of "feature" in neural network?
我是神经网络的初学者。我对feature这个词很困惑。你能给我一个feature的定义吗？特征是隐藏层的神经元吗？
神经网络中的特征是数据集中的变量或属性。您通常会选择一个变量子集，这些变量可以被您的模型用作良好的预测变量。所以在神经网络中，特征将是输入层，而不是隐藏层节点。输出是您要预测的任何变量（或多个变量）。
特征是输入向量的元素。特征个数等于网络输入层的节点个数。
如果您使用神经网络将人分类为男性或女性，特征将是身高、体重、头发长度等。每一项都有以米、公斤等为单位的初始值，然后在呈现给系统之前被归一化并以零为中心（特征内）。
所以这个人：
height: 1.5m
weight: 70kg
hair length: 0.1m
最初由向量 [1.5, 70, 0.1] 表示，然后在预处理后（数据集中必须有其他项目......）由 [-0.2, 0.4, .05]
之类的东西表示
字母图像的特征可以像像素的灰度值一样简单。可以通过处理图像并从功率谱中提取参数或查找边缘等来生成其他特征。要了解更多信息，请查找有关图像处理和特征提取的信息。
我是神经网络的初学者。我对feature这个词很困惑。你能给我一个feature的定义吗？特征是隐藏层的神经元吗？
神经网络中的特征是数据集中的变量或属性。您通常会选择一个变量子集，这些变量可以被您的模型用作良好的预测变量。所以在神经网络中，特征将是输入层，而不是隐藏层节点。输出是您要预测的任何变量（或多个变量）。
特征是输入向量的元素。特征个数等于网络输入层的节点个数。
如果您使用神经网络将人分类为男性或女性，特征将是身高、体重、头发长度等。每一项都有以米、公斤等为单位的初始值，然后在呈现给系统之前被归一化并以零为中心（特征内）。
所以这个人：
height: 1.5m
weight: 70kg
hair length: 0.1m
最初由向量 [1.5, 70, 0.1] 表示，然后在预处理后（数据集中必须有其他项目......）由 [-0.2, 0.4, .05]
字母图像的特征可以像像素的灰度值一样简单。可以通过处理图像并从功率谱中提取参数或查找边缘等来生成其他特征。要了解更多信息，请查找有关图像处理和特征提取的信息。