특성 교차는 다음에 의해 생성됩니다. 두 개 이상의 범주형이거나 버케팅된 교차 데이터 세트의 특성입니다. 예: 다항식 변환, 특성 교차를 사용하면 선형 모델이 비선형성을 처리할 수 있습니다 특성 교차 특성 간의 상호작용을 인코딩합니다.
예를 들어 범주형 특성이 있는 리프 데이터 세트를 가정해 보겠습니다.
smooth,toothed,lobed값을 포함하는edgesarrangement,opposite및alternate값 포함
위의 순서가 원-핫 특성 열의 순서라고 가정합니다.
가장자리가 smooth이고 opposite로 정렬된 리프가
{(1, 0, 0), (1, 0)}로 표시됩니다.
이 두 특성의 특성 교차 또는 데카르트 곱은 다음과 같습니다.
{Smooth_Opposite, Smooth_Alternate, Toothed_Opposite, Toothed_Alternate,
Lobed_Opposite, Lobed_Alternate}
여기서 각 항의 값은 기본 특성값의 곱입니다. 다음과 같습니다.
Smooth_Opposite = edges[0] * arrangement[0]Toothed_Opposite = edges[1] * arrangement[0]Lobed_Alternate = edges[2] * arrangement[1]
데이터 세트의 모든 예에 대해 다음 조건을 충족하는 경우에만 특성 교차가 1이 됩니다.
기본 특성과 교차된 카테고리에 대해 1개였습니다.
즉, 들쑥날쑥한 가장자리와 대체 배열이 있는 참나무 잎은
값 1은 Lobed_Alternate에만 해당하며 위의 특성 교차는 다음과 같습니다.
{0, 0, 0, 0, 0, 1}
이 데이터 세트는 수목 종별로 나뭇잎을 분류하는 데 사용할 수 있는데, 특성은 종 내에서 다르지 않습니다.
특성 교차를 사용하는 경우
전문 분야 지식이 있으면 특성의 유용한 조합을 제안할 수 있습니다. 교차할 수 있습니다. 해당 분야에 대한 지식이 없으면 문제를 파악하기가 어려울 수 있습니다 다항식 변환을 직접 수행할 수 있습니다. 종종 가능하지만 컴퓨팅 리소스를 많이 사용하는 경우 신경망을 학습 중에 유용한 특성 조합을 자동으로 찾아 적용합니다.
주의: 두 개의 희소 특성을 교차하면 훨씬 더 희소한 새 특성이 생성됩니다. 더 큰 차이를 보였습니다. 예를 들어 특성 A가 요소가 100개인 희소 특성, 특성 B는 요소가 200개인 희소 특성입니다. A와 B의 특성 교차는 20,000개의 요소가 포함된 희소 특성을 생성합니다.