'feature extraction' 是核心机器学习任务吗？
Is 'feature extraction' a core machine learning task?
我一直在和一个朋友争论“特征提取”的问题。他说机器学习的主要任务是提取特征。但我不同意。在常识中，特征提取不是 ML 任务。如果我们将 wx+b 视为表示 ML 的最简单方式，则 ML 的任务就是找到最佳的 w 和 b。 x 是特征。 ML 尝试找出给定 x 的最佳 w 和 b 值，它与训练数据相匹配，从而学习如何找到 w 和 b。
朋友说提取特征是ML的核心任务。但据我所知，特征提取主要是数据预处理任务。
提取特征是机器学习中的一项重要工作。没有功能，您无法找到最好的 "w" 和 "b"。如果您能够在不提取特征的情况下找到 w 和 b，那么您真的不需要继续使用 ML。
我一直在和一个朋友争论“特征提取”的问题。他说机器学习的主要任务是提取特征。但我不同意。在常识中，特征提取不是 ML 任务。如果我们将 wx+b 视为表示 ML 的最简单方式，则 ML 的任务就是找到最佳的 w 和 b。 x 是特征。 ML 尝试找出给定 x 的最佳 w 和 b 值，它与训练数据相匹配，从而学习如何找到 w 和 b。
朋友说提取特征是ML的核心任务。但据我所知，特征提取主要是数据预处理任务。
提取特征是机器学习中的一项重要工作。没有功能，您无法找到最好的 "w" 和 "b"。如果您能够在不提取特征的情况下找到 w 和 b，那么您真的不需要继续使用 ML。