機械学習：特徴量はfeature?

feature quantity? feature amount? feature value?

機械学習の分野ではfeatureは数値であるらしいので"feature"だけで良さそう。和訳の実例でもfeatureは「特徴量」と訳されている場面が多い印象。

Feature (machine learning), Wikipedia

In machine learning and pattern recognition, a feature is an individual measurable property or characteristic of a phenomenon.[1] Choosing informative, discriminating and independent features is a crucial element of effective algorithms in pattern recognition, classification and regression. Features are usually numeric, but structural features such as strings and graphs are used in syntactic pattern recognition. The concept of "feature" is related to that of explanatory variable used in statistical techniques such as linear regression.

/////////

In character recognition, features may include histograms counting the number of black pixels along horizontal and vertical directions, number of internal holes, stroke detection and many others.

In speech recognition, features for recognizing phonemes can include noise ratios, length of sounds, relative power, filter matches and many others.

In spam detection algorithms, features may include the presence or absence of certain email headers, the email structure, the language, the frequency of specific terms, the grammatical correctness of the text.

In computer vision, there are a large number of possible features, such as edges and objects.

特徴量、ウィキペディア

特徴量（英: feature）はデータを変形して得られ、その特徴を表現し、続く処理に利用される数値である[1]。表現（英: representation）とも。

EP3969622（既出）
[0001] This disclosure generally relates to model-based featurization and classifiers for predicting disease state from nucleic acid samples.
【０００１】
  本開示は、一般に、核酸試料から疾患状態を予測するためのモデルベースの特徴量化および分類器に関する。

///////

In some embodiments, calibrating the score comprises performing a k-nearest neighbor operation in association with the score using a feature space output by the second classifier. 
いくつかの実施形態においては、スコアを較正するステップは、第２の分類器によって出力された特徴量空間を使用して、スコアに関連して、ｋ近傍法演算を実行するステップを含む。

【重要】機械学習に特徴量は必要不可欠！重要な理由と選択方法を解説

「特徴量とは、対象の特徴が数値化されたもの」

 

What are Features in Machine Learning and Why it is Important?

"In machine learning, features are individual independent variables that act like a input in your system."

US2021335364(JP)（既出）
[0090] The feature extraction section 212 is able to perform, for example, a short time frame analysis of various speech signals input by the speech input section 210 .
 特徴量抽出部２１２は、音声入力部２１０により入力された様々な音声信号に対して、例えば短時間フレーム分析を施すことができる。

US2018096191（既出）
Various techniques may be applied for feature extraction.
特徴抽出のために、様々な技術を適用することができる。

US2021225511（既出）
[0092] FIG. 3 is an illustration of a multi-scale feature extraction method of generating feature maps and then predictions p1, p2, p3 for a given input cancer candidate 3D volume 134 by a single second stage model 132 .
【００６０】
  図3は、単一の第2段階モデル132によって、所与の入力癌候補3Dボリューム134のための特徴マップ、および次いで予測p1、p2、p3を生成する、マルチスケール特徴抽出方法の図である。

WO2014164158（既出）
[0011] In general, this disclosure describes techniques for object identification in digital images.
【００１１】

  一般に、本開示はデジタル画像における物体識別のための技術について説明する。

 

These techniques may reduce the computational complexity of identifying objects in an image.
これらの技術は、画像における物体識別の計算量を減少させ得る。

 

The techniques of this disclosure provide for keypoint/feature extraction based on a spatial partitioning of an image.
本開示の技術では、画像の空間分割に基づくキーポイント/特徴の抽出が規定されている。

US10659477（既出）
The one or more first cyber-attack anomaly detection module 113 includes natural language processing based feature extraction and unsupervised behavior based anomaly detection using system entropy measurements 116.
一以上の第１のサイバー攻撃異常検知モジュール１１３は、自然言語処理ベースの特徴抽出、及びシステムエントロピー測定値１１６を用いた教師なし挙動ベースの異常検知を含む。

 

【機械学習】特徴量とは？意味や変数、選択について

特徴抽出

特徴量選択

特徴量選択の今とこれから

特徴量抽出

特徴量選択