หลักสูตรข้อขัดข้องของแมชชีนเลิร์นนิงเวอร์ชันใหม่ที่ได้รับการปรับปรุงจะพร้อมให้บริการในเดือนสิงหาคม 2024 โปรดติดตามต่อไป
กากบาทในฟีเจอร์เป็นฟีเจอร์สังเคราะห์ที่เกิดจากการคูณ (ไขว้)
2 จุดสนใจขึ้นไป การนําชุดฟีเจอร์มาใช้ร่วมกันอาจมีความสามารถแบบคาดคะเนที่นอกเหนือจากฟีเจอร์ต่างๆ ที่ให้ได้ในแบบเดี่ยวๆ
ไม้กางเขนฟีเจอร์
ไม้กางเขนฟีเจอร์
- ไม้กางเขนฟีเจอร์คือชื่อของวิธีการนี้
- กําหนดเทมเพลตของแบบฟอร์ม
[A x B]
- ซับซ้อน:
[A x B x C x D x E]
- เมื่อ
A
และ B
แสดงถึงฟีเจอร์บูลีน เช่น ถัง เครื่องหมายกากบาทสุดท้ายจะน้อยมาก
ฟีเจอร์ครอส: ทําไมเราจึงดําเนินการนี้
- ผู้เรียนเชิงเส้นใช้โมเดลเชิงเส้น
- ผู้เรียนจะสามารถเรียนรู้ข้อมูลจํานวนมากได้อย่างละเอียด เช่น วูปาล แวบบิท โซเฟีย-ML
- แต่หากไม่มีฟีเจอร์กากบาท โมเดลเหล่านี้จะถูกจํากัดการใช้งาน
- การใช้กากบาทในฟีเจอร์ + ข้อมูลขนาดใหญ่เป็นกลยุทธ์ที่มีประสิทธิภาพอย่างหนึ่งในการเรียนรู้โมเดลที่ซับซ้อนมาก
- การคาดการณ์: โครงข่ายประสาทมีอีก