feature space
Feature space er et multidimensionelt rum, hvor hver dimension svarer til en feature (træk) ved dataene, og hvert datapunkt er et punkt i dette rum.
Kort fortalt
Kort fortalt er feature space et matematisk rum, hvor hvert datapunkt repræsenteres som en vektor af sine træk, og afstande mellem punkter afspejler ligheder.
- Kategori
- begreb
- Niveau
- øvet
- Udtale
- /ˈfiːtʃər speɪs/
Betydninger
2- 1
Det abstrakte rum, der udspændes af de anvendte features; et punkt i rummet repræsenterer et datapunkt med dets featureværdier.
- I SVM projiceres data ind i et højere dimensionalt feature space for at gøre dem lineært separerbare.
- T-SNE visualiserer det højdimensionelle feature space i 2D eller 3D.
- 2
I deep learning: det latente rum, som et neuralt netværk lærer at repræsentere data i (fx fra en embedding layer).
- Encoderens output kortlægger inputtet til et feature space, hvor semantisk ens eksempler ligger tæt.
Hvornår bruges det
Feature space anvendes til at beskrive den repræsentation, data transformeres til før analyse eller klassifikation i maskinlæring. Det er centralt i algoritmer som SVM, k-NN og dybe neurale netværk, og begrebet bruges ofte i forbindelse med dimensionalitetsreduktion og visualisering.
Oprindelse
Fra engelsk 'feature' (træk) + 'space' (rum), direkte oversat til dansk som 'trækrum'.