旋律英语
表征学习ReprentationLearning（特征学习、表⽰学习）是什么？
在机器学习领域，表征学习（或特征学习）是⼀种将原始数据转换成为能够被机器学习有效开发的⼀种技术的集合。在特征学习算法出现之前，机器学习研究⼈员需要利⽤⼿动特征⼯程（manual feature learning）等技术从原始数据的领域知识（domain knowledge）建⽴特征，然后再部署相关的机器学习算法。虽然⼿动特征⼯程对于应⽤机器学习很有效，但它同时也是很困难、很昂贵、很耗时、并依赖于强⼤专业知识。特征学习弥补了这⼀点，它使得机器不仅能学习到数据的特征，并能利⽤这些特征来完成⼀个具体的任务。布丁仓鼠
素食主义者英文
口耳目教学反思和预测性学习（Predictive Learning）不同，表征学习的⽬标不是通过学习原始数据预测某个观察结果，⽽是学习数据的底层结构（underlying structure），从⽽可以分析出原始数据的其它特性。表征学习允许计算机学习使⽤特征的同时，也学习如何提取特征：学习如何学习。在机器学习任务中，输⼊数据例如图⽚、视频、语⾔⽂字、声⾳等都是⾼维且冗余复杂，传统的⼿动提取特征已变得不切合实际，所以需要借助于优秀的特征学习技术。
陈翔烟火
类似于机器学习，特征学习可以被分为两类：监督式特征学习（Supervid Reprentation Learning）和⽆监督式特征学习（Unsupervid Reprentation Learning）。在监督特征学习中，被标记过的数据被当做特征⽤来学习。例如神经⽹络（Neural Networks），多层感知器（Multi-Layer Perception），监
美军电影督字典学习（Supervid Dictionary Learning）。在⽆监督特征学习中，未被标记过的数据被当做特征⽤来学习。例如⽆监督字典学习（Unsupervid Dictionary Learning），主成分分析（Principal Component Analysis），独⽴成分分析（Independent Component Analysis），⾃动编码（Auto-encoders），矩阵分解（Matrix Factorization） ，各种聚类分析（Clustering）及其变形。
>土胚房>天气有关的谚语
