Wolfram 语言与系统参考资料中心

FeatureExtraction

FeatureExtraction[examples]

生成用给定样例训练的 FeatureExtractorFunction[…].

FeatureExtraction[examples,spec]

使用指定的特征提取方法 spec.

FeatureExtraction[examples,spec,props]

给出由 props 指定的特征提取属性.

更多信息和选项

FeatureExtraction 通常用于定义将原始数据处理为可用特征的函数（例如，用于训练机器学习算法）.
FeatureExtraction 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.
examples 的可能值有：
{example₁,…} 训练示例的列表

Dataset[…] Dataset 对象

Tabular[…] Tabular 对象

None 无训练示例
各 example_i 可以是单一数据元素、数据元素列表或者数据元素关联.
spec 的可能值有：
extractor 使用指定的提取器方法

partextractor 对特定示例部分应用提取器

{part₁extractor₁,…} 为特定部分指定提取器
可能的特征提取器方法 extractor 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
	"name"	命名提取器方法
	f	对各个示例应用函数 f
	{extractor₁,extractor₂,…}	依次使用一系列提取器

可能的 part 形式有：

	All	每个示例的所有部分
	i	每个示例的第 i 个部分
	{i₁,i₂,…}	每个示例的第 i₁、i₂、… 个部分
	"key"	每个示例中具有指定键的部分
	{"key₁","key₂",…}	每个示例中名称为 "key_i" 的部分

当明确指定部分时，提取特征时将删除任何未提及的部分.

提取器

FeatureExtraction[examples] 等价于 FeatureExtraction[examples,Automatic]，而这通常又等价于 FeatureExtraction[examples,"NumericVector"].
"NumericVector" 方法通常会将示例转换为数值向量，填补缺失数据，并使用 DimensionReduction 降低维度.
针对单一数据类型的特征提取器方法仅适用于与其类型兼容的数据元素. 其他数据元素将保持不变而返回.
当 examples 为 None 时，并非所有特定的特征提取器都可用.
具体的提取器是：
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
	"SentenceVector"	文字的语义向量
	"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

属性

在 FeatureExtraction[examples,extractors,props] 中，props 可以是单一属性或属性列表. 可能的属性包括：

	"ExtractorFunction"	FeatureExtractorFunction[…]（默认）
	"ExtractedFeatures"	特征提取之后的 examples
	"ReconstructedData"	提取和逆提取之后的 examples
	"FeatureDistance"	从提取程序生成的 FeatureDistance[…]

当示例为 None 时，"ExtractedFeatures" 和 "ReconstructedData" 属性不可用.
仅当每个指定的 extractor 都可逆时，才能计算 "ReconstructedData" 属性.

选项

可以给出以下选项：

FeatureNames	Automatic	赋给 example_i 的元素的名称
FeatureTypes	Automatic	对 example_i 的元素要假定的特征类型
RandomSeeding	1234	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

范例

打开所有单元关闭所有单元

基本范例 (3)

在简单的数据集上训练 FeatureExtractorFunction：

从新的样例提取特征：

从一个样例列表提取特征：

在图像数据集上训练特征提取程序：

在训练集上使用特征提取程序：

指定特定的提取器：

范围 (32)

输入形状 (9)

在具有单一特征的示例列表上训练特征提取器：

从新的示例提取特征：

从多个新示例中提取特征：

在具有多个特征的示例列表上训练特征提取器：

从多个新示例中提取特征：

在混合类型数据集上训练特征提取器：

从新的示例提取特征：

从关联列表中训练特征提取器：

从新的样例提取特征：

从多个新示例中提取特征：

从以特征列表形式给出的数据中训练特征提取器：

从 Tabular 提取特征：

从 Dataset 提取特征：

从包含缺失值的数据集中训练特征提取器：

定义一个不需要训练的特征提取器：

将其应用于一些文本：

提取器规范 (10)

在单个文本特征上指定特征提取器 "SentenceVector"：

将其应用于一些文本：

使用 "StandardizedVector" 方法训练特征提取器：

从新示例中提取特征：

由于此特征提取器是可逆的，因此可以使用 FeatureExtractorFunction 属性 "OriginalData" 来执行逆提取：

使用 "TFIDF" 方法和 "DimensionReducedVector" 方法在文本上训练特征提取器：

在训练集上提取特征：

使用纯文本 "TFIDF" 方法在文本和图像上训练特征提取器：

仅从文本部分提取特征：

通过位置指定多个特征的特征提取：

在新特征上使用特征提取器：

两个元素的列表将被视为两个特征的单一输入：

仅对第二个名义变量使用 "IndicatorVector" 方法训练特征提取器：

第一个名义变量被删除：

使用 Identity 提取器方法复制第一个变量：

复制第一个变量：

一个变量可以被复制多次：

通过键值指定多个特征上的特征提取：

在新特征上使用特征提取器：

在列表上使用特征提取器将假定特征的顺序与最初指定的顺序相同：

使用自定义函数生成特征提取器：

将提取器应用于训练集：

将自定义提取器与 "StandardizedVector" 方法链接起来：

处理之前确认数据：

降低输出的维数：

特征类型 (10)

使用无需训练的 "SentenceVector" 提取器为文本数据创建特征提取器：

输入类型是从指定的提取器推断出来的. 使用特征提取器来处理以下示例：

为具有隐式文本和图像特征的示例创建特征提取器：

将从两个部分提取特征：

在文本数据上训练特征提取器：

使用 "IndicatorVector" 方法在名义变量上训练特征提取器：

训练特征提取程序计算文本的词频逆向文件频率向量：

训练集的词频逆向文件频率矩阵可以在 SparseArray 中计算：

可视化矩阵：

"TFIDF" 方法也可以用于标记的数据（名义袋）：

在 DateObject 实例列表上训练特征提取器：

从新的 DateObject 中提取特征：

也可以给出字符串日期：

在 Graph 实例列表上训练特征提取器：

从新图中提取特征：

在 TimeSeries 实例列表上训练特征提取器：

在 Molecule 数据上训练特征提取器：

在 Audio 实例列表上训练特征提取器：

信息 (3)

从经过训练的 FeatureExtractorFunction 获取 Information：

查找可用的属性：

获取有关输入和输出类型的信息：

选项 (4)

FeatureNames (2)

训练特征提取程序，给每个特征一个名称：

使用关联格式从新的样例提取特征：

依然可以使用列表格式：

使用 FeatureNames 设置名称，并在 FeatureExtraction[examples,{spec₁ext₁,…}] 中引用它们：

使用名称指定特征来提取新示例的特征：

FeatureTypes (2)

在简单数据集上通过 "IndicatorVector" 训练特征提取程序：

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

使用 FeatureTypes 执行作为名义的第一个特征的诠释：

现在两个特征都被编码为指示向量：

创建无需训练的特征提取器可以从特定的提取器推断出预期的数据类型：

指定特征类型将覆盖以下假设：

应用于命名特征：

应用 (3)

图像搜索 (1)

建立一个狗图片的数据集：

从这个数据集训练提取程序函数：

生成关于数据集的提取特征的 NearestFunction：

使用 NearestFunction，构建一个函数，显示数据集的最相近图像：

将这个函数用于不在这个数据集的图像：

这个特征提取程序函数也可以用于删除过于相似的图像对：

文本搜索 (1)

加载 Alice in Wonderland 的文本：

将文本拆分为单句：

在这些单句上训练特征提取程序：

生成带有单句特征的 NearestFunction：

使用 NearestFunction，构建一个函数，显示 Alice in Wonderland 中最相近的单句：

将这个函数用于几个查询：

估算 (1)

从 ExampleData 中加载 "MNIST" 数据集，并保留图像：

将图像转换为数值数据，并将数据集分离成训练集和测试集：

数据集的维度为 784：

使用 "MissingImputed" 方法创建特征提取程序：

用 Missing[] 替换测试集向量的某些值，并可视化：

使用 FeatureExtractorFunction[…] 估算缺失值：

可视化原始图像、带有缺失值的图像和估算后的图像：

属性和关系 (4)

从具有命名特征的数据中训练特征提取器：

无法识别的键将被忽略：

FeatureExtraction[…,"ExtractedFeatures"] 等价于 FeatureExtract[…]：

"FeatureDistance" 属性相当于在提取器上使用 FeatureDistance：

首先计算 FeatureExtractorFunction：

为该特征提取器构建特征距离：

这两个距离函数是相同的：

在一些训练数据上创建 FeatureExtractorFunction 会创建一个表示这些特征的特征空间：

使用不同的训练数据可以得到不同大小的特征空间：

在无数据的情况下创建相同的函数，将导致一个未经训练的函数，该函数在相同的特征空间中始终给出相同的结果：

可能存在的问题 (7)

在匿名数据上训练提取器将使用自动特征名称：

应用该函数时使用自定义名称将导致特征缺失错误：

可以在训练时指定特征名称：

检查 FeatureExtractorFunction 的特征名称：

现在可以使用自定义名称：

FeatureExtraction 属性 "ReconstructedData" 可用于获取提取和重建后的数据：

一些特征提取器只能执行逆提取的近似：

一些特征提取器不能执行逆提取：

如果没有训练数据，则无法使用属性 "ReconstructedData"：

一些提取器可以在不需要数据的情况下创建：

其它提取器需要示例来对其初始化：

类似地，并非所有属性都受支持：

与数据类型不匹配的提取器将被忽略：

输入类型为 "Nominal"，因此 "LowerCasedText" 提取器忽略输入类型：

类似地，强制输入 "Text" 将导致 "IndicatorVector" 被忽略：

"ConformedData" 提取器需要额外的信息才能在无数据环境中运行：

明确指定 FeatureTypes：

特征类型也可以从后续提取器中隐式推断出来：

自动特征提取通常采用降维步骤：

显式特征提取器不包括降维，通常会导致更长的向量：

使用 "DimensionReducedVector" 添加降维步骤：

降维必须针对可用特征进行训练，因此在没有提供数据时无法应用：

Top

更多学习资源

技术支持

Wolfram 解决方案

Wolfram 的教育解决方案

开始

提高你的技能

与我们合作

成人教育计划

青少年教育计划

欢迎阅读

FeatureExtraction

更多信息和选项

提取器

属性

选项

范例

基本范例 (3)