WOLFRAM

Wolfram言語 ＆ システムドキュメントセンター

FeatureExtractorFunction[…]

FeatureExtractionが生成する特徴抽出器関数を表す．

詳細とオプション
Details and Options Details and Options
例題  
例  
スコープ  
考えられる問題  
関連項目
関連するガイド
履歴
引用書式

FeatureExtractorFunction

FeatureExtractorFunction[…]

FeatureExtractionが生成する特徴抽出器関数を表す．

詳細とオプション

  • FeatureExtractorFunctionはFunctionのように動作する．
  • FeatureExtractorFunction[…][data]は data から特徴を抽出する．
  • FeatureExtractorFunction[…][{data1,data2,…}]は dataiのそれぞれから特徴を抽出する．
  • FeatureExtractorFunction[…][data,prop]は，data に関連した特徴抽出の指定された特性を与える．
  • 使用可能な特性
  • "ExtractedFeatures"data から抽出されたデータ（デフォルト）
    "OriginalData"抽出された特徴からもとのデータを推測する
    "ReconstructedData"data の抽出と逆抽出
  • 次は使用可能なオプションである．
  • PerformanceGoalAutomaticパフォーマンスのどの面について最適化するか
    RandomSeeding1234どのような擬似乱数生成器のシードを内部的に使うべきか
  • RandomSeedingの可能な設定
  • Automatic関数が呼び出されるたびに自動的にシードを変える
    Inherited外部シードの乱数を使う
    seed明示的な整数または文字列をシードとして使う

例題

すべて開く すべて閉じる

例  (1)

FeatureExtractorFunctionを単純なデータ集合について訓練する：

Wolfram Language code: fe = FeatureExtraction[{{1.4, "A"}, {1.5, "A"}, {2.3, "B"}, {5.4, "B"}}]

新たな例から特徴を抽出する：

Wolfram Language code: fe[{2.4, "A"}]

例のリストから特徴を抽出する：

Wolfram Language code: fe[{{2.4, "A"}, {3.7, "B"}}]

スコープ  (5)

特徴抽出器の中には，逆抽出の近似しか行えないものもある：

Wolfram Language code: fe = FeatureExtraction[{{1.4, 1.4, 5.4, 5.2}, {1.5, 1.5, 6.4, 5.2}, {1.2, 1.2, 6.2, 5.2}, {1.6, 1.6, 4.3, 5.2}}, "DimensionReducedVector"]
Wolfram Language code: features = fe[{1.1, 1.2, 5.1, 5.7}]
Wolfram Language code: fe[features, "OriginalData"]

FeatureExtraction特性の"ReconstructedData"を使って抽出と再構築の後でデータを取得することができる：

Wolfram Language code: FeatureExtraction[{{1.4, 1.4, 5.4, 5.2}, {1.5, 1.5, 6.4, 5.2}, {1.2, 1.2, 6.2, 5.2}, {1.6, 1.6, 4.3, 5.2}}, "DimensionReducedVector", "ReconstructedData"]

特徴抽出器の中には反転できないものがある：

Wolfram Language code: FeatureExtraction[{[image], [image] , [image], [image]}, "ImageFeatures", "ReconstructedData"]

欠落値のあるデータ集合で特徴抽出器を訓練する：

Wolfram Language code: fe = FeatureExtraction[{{1.4, Missing[], "A"}, {1.5, 50.2, "A"}, {Missing[], 42.3, "B"}, {5.4, 61.7, "B"}}]

特徴抽出器が"Missing values"（欠落値）が推定されたことを示した．この特徴抽出器は値が欠落している場合でも特徴を抽出することができる：

Wolfram Language code: fe[{3.4, Missing[], "B"}]

訓練済みのFeatureExtractorFunctionからInformationを得る：

Wolfram Language code: Information[FeatureExtractorFunction[Association["ExampleNumber" -> 4, "Preprocessor" -> MachineLearning`MLProcessor["ToMLDataset", Association["Input" -> Association["age" -> Association["Type" -> "Numerical"], "gender" -> Association["Type" - ... ate" -> DateObject[{2025, 5, 2, 13, 0, 39.042795`8.344115878952366}, "Instant", "Gregorian", 2.], "ProcessorCount" -> 10, "ProcessorType" -> "ARM64", "OperatingSystem" -> "MacOSX", "SystemWordLength" -> 64, "Evaluations" -> {}]]]]

使用可能な特性を求める：

Wolfram Language code: Information[FeatureExtractorFunction[Association["ExampleNumber" -> 4, "Preprocessor" -> MachineLearning`MLProcessor["ToMLDataset", Association["Input" -> Association["age" -> Association["Type" -> "Numerical"], "gender" -> Association["Type" - ... ate" -> DateObject[{2025, 5, 2, 13, 0, 39.042795`8.344115878952366}, "Instant", "Gregorian", 2.], "ProcessorCount" -> 10, "ProcessorType" -> "ARM64", "OperatingSystem" -> "MacOSX", "SystemWordLength" -> 64, "Evaluations" -> {}]]], "Properties"]

特徴名と訓練例についての情報を得る：

Wolfram Language code: Information[FeatureExtractorFunction[Association["ExampleNumber" -> 4, "Preprocessor" -> MachineLearning`MLProcessor["ToMLDataset", Association["Input" -> Association["age" -> Association["Type" -> "Numerical"], "gender" -> Association["Type" - ... ate" -> DateObject[{2025, 5, 2, 13, 0, 39.042795`8.344115878952366}, "Instant", "Gregorian", 2.], "ProcessorCount" -> 10, "ProcessorType" -> "ARM64", "OperatingSystem" -> "MacOSX", "SystemWordLength" -> 64, "Evaluations" -> {}]]], {"FeatureNames", "ExampleNumber"}]

考えられる問題  (1)

キーが付いた特徴を使って古いFeatureExtractorFunctionを取り出す：

Wolfram Language code: fe = FeatureExtractorFunction[Association["ExampleNumber" -> 0, "Preprocessor" -> MachineLearning`MLProcessor["ToMLDataset", Association["Input" -> Association["input" -> Association["Type" -> "Text"]], "Output" -> Association["f1" -> Asso ... "Date" -> DateObject[{2026, 1, 28, 15, 36, 22.701151`8.10862286062899}, "Instant", "Gregorian", 0.], "ProcessorCount" -> 10, "ProcessorType" -> "ARM64", "OperatingSystem" -> "MacOSX", "SystemWordLength" -> 64, "Evaluations" -> {}]]];

不在のあるいは不正な特徴名を使うとエラーが発生したりコンテンツが欠落したりする：

Wolfram Language code: fe["Hello"]
Wolfram Language code: fe[<|"Input" -> "Hello"|>]

Informationを使って特徴名を取り出す：

Wolfram Language code: Information[fe, "FeatureNames"]

特徴名を訂正する：

Wolfram Language code: fe[<|"input" -> "Hello"|>]
Wolfram Research (2016), FeatureExtractorFunction, Wolfram言語関数， https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html （2017年に更新）.

テキスト

Wolfram Research (2016), FeatureExtractorFunction, Wolfram言語関数， https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html （2017年に更新）.

CMS

Wolfram Language. 2016. "FeatureExtractorFunction." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2017. https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html.

APA

Wolfram Language. (2016). FeatureExtractorFunction. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html

BibTeX

@misc{reference.wolfram_2026_featureextractorfunction, author="Wolfram Research", title="{FeatureExtractorFunction}", year="2017", howpublished="\url{https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html}", note=[Accessed: 14-September-2026]}

BibLaTeX

@online{reference.wolfram_2026_featureextractorfunction, organization={Wolfram Research}, title={FeatureExtractorFunction}, year={2017}, url={https://reference.wolfram.com/language/ref/FeatureExtractorFunction.html}, note=[Accessed: 14-September-2026]}