Yazan : Şadi Evren ŞEKER

Bir sisteme giren girişlerin bütün bir bilgi olarak değil de bu bilgiyi oluşturan vasıflardan bazılarının çıkarılması ve sistemin bu vasıflar üzerine kurulması durumudur. Örneğin bir miktar resimden içinde çimen bulunanların tespit edilmesi isteniyor olsun. Bilindiği üzere çimenler yeşildir ve resimlerden yeşil tonun ağırlıkta olanlarının çimen içermesi ihtimali yüksektir. Öyleyse sisteme giren bir resmin tamamının işlenmesi yerine resmin histogramının (renk kodlarının dağılımının ) işlenmesi buna bir örnek olabilir. Resim, basitçe histogramından çok daha karmaşık ve büyük bir veridir. Bu veri histogramı (tekrar dağılımı) çıkarılmak suretiyle küçültülmüş ve istenen amaca yönelik olarak işlenmiştir.

Özellik çıkarımı (vasıflandırma, feature extraction) işlemi bir boyut azaltma (dimension reduction, dimensionality reduction) işlemidir. Buna göre karmaşık olan bir verinin boyutları azaltılarak daha basit bir problem haline indirgenir.

Doğru yapılmış bir özellik çıkarımı ve bu özelliklere uygun bir sistem tasarımı sonucun başarılı olması ve performansını etkileyen unsurlardır.

Ayrıca özellik çıkarımı sonucunda elde edilen birden fazla özelliğin karşılığını tutan veri yapısına özellikl vektörü (feature vector) adı da verilmektedir.

Resim işleme (image procesing) ve yapay sinir ağlarında  (artificial neural networks) sıkça kullanılan özellik çıkarımı üzerinde de çalışmalar sürmektedir. Örneğin borsa verilerinin ses sinyallerinin veya doğaya yönelik ölçümlerin her geçen gün arttığını görmekteyiz. Bu gelişmeler gelecekte daha başarılı özellik çıkarımı ve dolayısıyla daha başarılı sistemlerin kurulmasını sağlayacaktır.

Yorumlar

  1. Termoo

    iyi günler. Ben feature selection üzerine çalışıyorum Laplacian Score, SPEC,Fisher Score ve ReliefF filtreleme modelleri hakkında bilgi almak istiyorum.

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir


− bir = 8