我正在阅读一篇关于图神经网络的文章，其中提到：
在这一步中，我们提取所有新更新的隐藏状态并创建一个描述整个图的最终特征向量。然后可以将该特征向量用作标准机器学习模型的输入。
这个特征向量可以用作标准机器学习模型的输入意味着什么？机器学习不就是一开始就获取特征吗？这意味着特征向量将被输入到机器学习模型中是什么意思？它应该是ML 模型的一部分而不是输入吗？
当作者说特征是机器学习模型的输入时，这是什么意思？
数据挖掘
神经网络
特征提取
gnn
2022-03-04 21:22:06
1个回答
这里有很多混乱：
- “特征”这个词有点模糊，但它通常指的是作为输入提供给 ML 系统的结构化信息。
- 不，特征不是 ML 模型的一部分。它们是用于训练模型的输入。
- 不，ML 并不是“全部都是为了获得特征”。获取特征只是以可用的方式获取信息的阶段，所以就像你说的“学习”就是“获得一本书”一样。
在这句话中，作者的意思是这个 ML 过程有（至少）两个阶段：第一步训练一个神经网络模型，然后收集 NN 的隐藏状态的值，以便将它们提供给第二个模型将它们用作输入特征。