7.1 概述-機器學習筆記-斯坦福吳恩達教授

概述 我們很希望有足夠多的特徵（知識）來保準學習模型的訓練效果，尤其在圖像處理這類的任務中，高維特徵是在所難免的，但是，高維的特徵也有幾個如下不好的地方： 學習性能下降，知識越多，吸收知識（輸入），並且精通知識（學習）的速度就越慢。 過多的特徵難於分辨，你很難第一時間認識某個特徵代表的意義。 特徵冗餘，如下圖所示，釐米和英尺就是一對冗餘特徵，他們本身代表的意義是一樣的，並且能夠相互轉換。 我們使用

>>阅读原文<<