FeatureExtract

FeatureExtract[{example1,example2,…}]

使用在全部 examplei 上训练过的特征提取程序提取各个 examplei 的特征.

FeatureExtract[examples,extractor]

使用指定的特征提取程序方法提取特征.

FeatureExtract[examples,{extractor1,extractor2,…}]

通过顺次应用 extractori 提取特征.

FeatureExtract[examples,specext]

对 examples 的各部分使用由 spec 指定的提取程序方法 ext.

FeatureExtract[examples,{spec1ext1,spec2ext2,…}]

对 examples 的各部分使用由 speci 指定的提取程序方法 exti.

更多信息和选项

  • FeatureExtract 可用于许多类型的数据，包括数字、文本、音频、图像、图和时间序列，以及这些类型的组合.
  • 各 examplei 可以是单一数据元素、数据元素列表、数据元素关联或者 Dataset 对象.
  • 可能的特征提取程序方法包括：
  • Automatic自动提取
    Identity给出无变化的数据
    "ConformedData"一致化的图像、颜色、日期等
    "NumericVector"来自任意数据的数值向量
    f对各个样例应用函数 f
    {extractor1,extractor2,…}依次使用一系列提取器
  • 也可对每个数据类型应用其他特征提取方法.
  • 数值数据：
  • "DiscretizedVector"离散化的数值数据
    "DimensionReducedVector"降维的数值向量
    "MissingImputed"缺失值被估算的数据
    "StandardizedVector"用 Standardize 处理过的数值数据
  • 标称数据：
  • "IndicatorVector"用指示向量“独热编码”的名义数据
    "IntegerVector"用整数编码的名义数据
  • 文本：
  • "LowerCasedText"每个字符均为小写的文本
    "SegmentedCharacters"分割成字符的文本
    "SegmentedWords"分割成单词的文本
    "TFIDF"词频逆向文件频率向量
    "WordVectors"文字的语义向量序列（仅限英文）
  • 图像：
  • "FaceFeatures"来自人脸图像的语义向量
    "ImageFeatures"图像的语义向量
    "PixelVector"图像像素值向量
  • 音频对象：
  • "AudioFeatures"音频对象的语义向量序列
    "AudioFeatureVector"音频对象的语义向量
    "LPC"音频线性预测系数
    "MelSpectrogram"用对数频次分组的音频频谱图
    "MFCC"音频梅尔频率倒谱系数向量序列
    "SpeakerFeatures"讲话者的语义向量序列
    "SpeakerFeatureVector"讲话者的语义向量
    "Spectrogram"音频频谱图
  • 视频对象：
  • "VideoFeatures"来自视频对象的语义向量序列
    "VideoFeatureVector"来自视频对象的语义向量
  • 图：
  • "GraphFeatures"总结图的属性的数值向量
  • 分子：
  • "AtomPairs"来自原子对的布尔向量以及它们之间的路径长度
    "MoleculeExtendedConnectivity"来自枚举的分子子图的布尔向量
    "MoleculeFeatures"概括分子属性的数值向量
    "MoleculeTopologicalFeatures"来自圆形原子邻域的布尔向量
  • 特征提取程序方法被应用于类型与它们兼容的数据元素. 其它数据元素被无变化地返回.
  • FeatureExtract[examples] 通常等价于 FeatureExtract[examples,"NumericVector"].
  • 在 FeatureExtract[examples,specext] 或 FeatureExtract[examples,{spec1ext1,…}] 中，spec 和 speci 的可能形式包括：
  • All各样例的所有部分
    i各样例的第 i 个部分
    {i1,i2,…}各样例的部分 i1、i2、…
    "name"在各样例中具有指定名称的部分
    {"name1","name2",…}在各样例中名为 "namei" 的部分
  • 为了提取特征将，在 spec 或 speci 中未提到的部分将被删除.
  • 在 FeatureExtract[examples,{spec1ext1,…}] 中，exti 被全部分别应用于 examples.
  • 可以给出以下选项：
  • FeatureNames Automatic赋给 examplei 的元素的名称
    FeatureTypes Automatic对 examplei 的元素要假定的特征类型
    RandomSeeding1234应该在内部对伪随机数生成器进行什么样的初始化
  • RandomSeeding 的可能设置包括：
  • Automatic每次函数调用时自动重新播种
    Inherited使用外部播种的随机数字
    seed用明确给定的整数或字符串作为种子
  • FeatureExtract[…] 等价于 FeatureExtraction[…,"ExtractedFeatures"].

范例

打开所有单元关闭所有单元

基本范例  (4)

从简单的数据集提取特征：

从图像提取特征：

使用 "StandardizedVector" 提取器方法标准化的数字值：

通过链接提取程序方法 "SegmentedCharacters" 和 "TFIDF" 提取字符的 TFIDF 向量：

范围  (10)

从 DateObject 列表提取特征：

在 Graph 列表上训练特征提取器：

在 TimeSeries 列表上训练特征提取器：

计算文本的词频逆向文件频率（TF-IDF）向量：

默认情况下，文本将分割成单词. 这给出了相同的结果:

先后使用 "TFIDF" 方法和 "DimensionReduced" 方法提取文本的特征：

在名义变量上通过 "IndicatorVector" 方法提取特征：

仅在第二个名义变量上通过 "IndicatorVector" 方法提取特征：

使用 Identity 提取程序方法也复制第一个变量：

可以多次复制一个变量：

在混合类型的数据集上提取特征：

使用 "TFIDF" 方法在文本和图像上提取特征：

由于 "TFIDF" 不应用于图像，特征仅从文本部分提取.

从包含缺失值的数据集中提取特征：

从格式化为关联列表的数据集中提取特征：

选项  (2)

FeatureNames  (1)

使用 FeatureNames 命名特征，并在部分规范中引用它们的名称：

FeatureTypes  (1)

在简单数据集上通过 "IndicatorVector" 方法提取特征：

第一个特征被诠释为数值型，由于 "IndicatorVector" 方法仅作用于名义特征，第一个特征不变化.

使用 FeatureTypes 执行作为名义第一个特征的诠释：

应用  (1)

数据集可视化  (1)

建立一个狗图片的数据集：

从这个数据集中提取特征：

将所提取的向量的维度降为 2：

在特征位置可视化图片：

使用 FeatureSpacePlot 可以直接获取相似的可视化：

Wolfram Research (2016)，FeatureExtract，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureExtract.html （更新于 2021 年）.

文本

Wolfram Research (2016)，FeatureExtract，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureExtract.html （更新于 2021 年）.

CMS

Wolfram 语言. 2016. "FeatureExtract." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2021. https://reference.wolfram.com/language/ref/FeatureExtract.html.

APA

Wolfram 语言. (2016). FeatureExtract. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FeatureExtract.html 年

BibTeX

@misc{reference.wolfram_2024_featureextract, author="Wolfram Research", title="{FeatureExtract}", year="2021", howpublished="\url{https://reference.wolfram.com/language/ref/FeatureExtract.html}", note=[Accessed: 17-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_featureextract, organization={Wolfram Research}, title={FeatureExtract}, year={2021}, url={https://reference.wolfram.com/language/ref/FeatureExtract.html}, note=[Accessed: 17-November-2024 ]}