特徵工程 相關 AI 術語

啟動圖是卷積神經網路中，輸入資料經過卷積與啟動函數處理後所輸出的多維度特徵矩陣。

錨框(Anchor Box)是在目標檢測中預先定義的一系列具有不同大小和長寬比的矩形框，用於在圖像中生成候選區域，以便模型進行目標分類和邊界框回歸。

從原始音訊訊號中自動計算或學習具有代表性的低維特徵向量，用於後續機器學習任務。

自編碼器是一種神經網路，旨在學習輸入數據的壓縮表示（編碼），然後從該壓縮表示重建原始數據（解碼）。

自動特徵工程利用演算法自動從原始資料中提取、選擇和轉換特徵，以提升機器學習模型的效能。

詞袋模型是一種簡化文本表示的方法，忽略詞語的順序和語法結構，僅統計每個詞語在文本中出現的次數，形成詞頻向量。

Bagging (Bootstrap Aggregating) 是一種集成學習技術，透過對原始資料集進行多次有放回的抽樣，訓練多個模型，並將它們的預測結果進行平均或投票。

將類別特徵映射為整數，再將這些整數轉換為其二進位表示的特徵工程方法。

Boosting 是一種集成學習技術，透過迭代訓練一系列弱學習器，每個學習器都試圖糾正前一個學習器的錯誤，最終將它們組合起來形成一個強學習器。

以五數摘要（最小值、Q1、中位數、Q3、最大值）視覺化資料分布與離群值的統計圖表。

膠囊網路是一種神經網路架構，旨在解決卷積神經網路在處理物件方向和空間關係上的不足，透過膠囊和路由機制，更有效地捕捉物件的層次結構。

機器學習中取值為有限離散類別的特徵，如性別（男/女）、顏色（紅/綠/藍）、地區等，需要特殊編碼才能用於模型訓練

點擊率預測旨在預估使用者點擊特定廣告或連結的可能性，是數位廣告和推薦系統的核心技術。

內容過濾推薦是一種推薦系統方法，它基於用戶過去互動過的項目內容特徵，向用戶推薦相似的項目。它分析項目描述，並匹配用戶偏好。

對比學習是一種自監督學習方法，通過學習區分相似和不相似的樣本，從而提取資料的有效表示，無需人工標註。

量化多個變數兩兩之間線性相關程度的方陣，矩陣中每個元素為對應兩變數的皮爾森相關係數。

共變數偏移是指機器學習模型在訓練與推論階段，輸入特徵的資料分佈發生改變，但給定特徵下的目標變數條件分佈保持不變的現象。

隨著資料維度增加，樣本空間呈指數級膨脹，導致資料密度急劇下降、距離量度失效，使機器學習模型的訓練難度與資料需求大幅提高。

資料是機器學習模型的學習基礎，包含結構化與非結構化形式，驅動 AI 系統發展。

資料擴增術是一種增加訓練資料多樣性的技術，透過對現有資料進行微小的修改，創造出新的、但仍然代表相同類別的資料點，以提升模型泛化能力。

資料填補是處理遺失值的方法，透過統計方法估算並替換遺失值，以維持資料完整性，避免分析偏差。

資料洩漏（Data Leakage）是指模型訓練過程中，未來或測試集的資訊意外滲入訓練集，導致模型在評估時表現虛高，但部署後實際效能大幅下滑的現象。

資料前處理是指在將原始資料用於機器學習模型之前，對其進行清理、轉換和整合的過程，以提高模型效能和準確性。

資料驗證是確保機器學習模型訓練與推論資料之準確性、完整性與格式正確性的自動化檢查過程，能有效防止異常數據污染系統。

決策樹是一種透過 if-else 條件判斷，將資料逐步拆解為更純粹子集的模型，具備高度可解釋性

深度協同過濾結合深度學習與協同過濾，利用神經網路學習使用者和物品的隱藏表示，以提升推薦準確度，尤其在處理複雜互動模式時。

降維處理旨在減少資料集的特徵數量，同時保留重要資訊，以簡化模型、加速運算並避免維度災難。

特徵值是線性變換作用於向量後，該向量長度縮放的比例。它描述了變換對特定方向向量的影響程度。

特徵向量是指在線性變換下，方向保持不變或僅反向的非零向量。它對應於特定的特徵值，代表變換的主要作用方向。

嵌入表示將離散的文字或類別映射為連續稠密向量，讓模型能捕捉語義相似性並進行數學運算

熵是資訊理論中衡量隨機變數不確定性的指標，數值越高代表不確定性越大。在機器學習中，熵常用於特徵選擇和決策樹構建。

將連續型數值特徵依等距區間分割成有限個離散類別的資料前處理技術。

在機器學習建模前，透過視覺化與統計方法理解資料特徵、發現模式並檢驗假設的關鍵資料處理步驟。

GBDT 的進化版，加入正則化防過擬合，支援缺失值和並行化，是比賽和業界的常勝軍

人臉辨識是一種電腦視覺技術，用於自動識別或驗證圖像或影片中的人臉，並與已知人臉資料庫進行比對。

特徵工程透過創建、轉換與選擇原始資料的代表性特徵，顯著提升機器學習模型的預測效果

特徵擷取是從原始資料中自動識別並提取有意義的特徵表示的過程，目的是降低資料維度同時保留關鍵資訊，提升模型學習效率

量化輸入特徵對機器學習模型預測結果影響程度的指標，用於特徵選擇與模型理解。

特徵圖是卷積神經網絡中，經過卷積層運算後所產生的多維陣列，用於呈現輸入資料的特定局部特徵與空間結構。

特徵金字塔網路(FPN)是一種用於目標檢測的深度學習架構，旨在從不同尺度的特徵圖中提取豐富的語義信息，以提升小目標的檢測性能。

特徵縮放是一種資料前處理技術，用於將不同範圍的特徵值縮放到一個統一的範圍內，避免某些特徵主導模型訓練。

特徵選擇是機器學習中選擇最相關特徵子集的過程，旨在簡化模型、提高準確性、減少過擬合和提升模型的可解釋性。

特徵儲存庫是一個集中管理和共享機器學習特徵的平台，確保特徵一致性、可重用性，並簡化特徵工程流程。

將原始特徵通過數學變換或編碼映射為新的特徵表示，以改善機器學習模型的學習效果和泛化能力。

AI 詐欺偵測（Fraud Detection）透過機器學習即時分析交易行為，識別異常模式，廣泛應用於銀行信用卡詐欺防範、網路詐騙偵測與保險理賠審核。

頻率計數是計算特定事件、特徵或字詞在數據集中出現次數的統計方法，為資料分析與機器學習提供基礎特徵。

將類別特徵轉換為其在資料集中出現的頻率或計數，以捕捉資訊並降低維度。

基因表達預測利用機器學習分析DNA序列與生物特徵，以推估細胞中特定基因的轉錄活躍度與產物生成量。

泛化能力是指機器學習模型在未見過的數據上表現良好的能力。一個具有良好泛化能力的模型能夠從訓練數據中學習到普遍規律，並應用於新數據。

梯度提升法是一種機器學習技術，透過迭代地組合弱學習器（通常是決策樹）來建立強大的預測模型，每次迭代都專注於修正前一個模型的錯誤。

由多種不同類型、來源或格式的資料組成，具有高度多樣性和複雜性的資料集合。

階層式分群（Hierarchical Clustering）是一類無監督學習演算法，透過逐步合併最相似的群組（凝聚法）或分裂群組（分裂法）來建立樹狀結構的群組層次，不需預先指定群數。

指特徵空間中的極高維度狀態，或深度學習模型萃取出具備高度抽象、全局觀念與豐富語意的高階向量表示。

高基數特徵（High Cardinality）指某個類別型特徵包含大量不同取值的情況，例如用戶 ID、商品 SKU、地理位置等可能有數萬至數百萬種取值，直接進行 One-Hot 編碼會導致維度爆炸，需

圖像分類是電腦視覺中的一項任務，旨在將圖像分配到預定義的類別中。模型學習圖像特徵，並基於這些特徵預測圖像所屬的類別。

圖像識別是電腦視覺領域的一項任務，旨在識別圖像中的對象、人物、地點或事件。它比圖像分類更廣泛，可能涉及定位和標記圖像中的多個對象。

Inception Network 是一種深度卷積神經網路架構，旨在透過並行使用多種卷積核大小，捕捉不同尺度的特徵，提升模型效能。

逆向文件頻率（IDF）是一種評估詞彙重要性的統計指標，用於降低常見詞彙權重並突顯罕見關鍵字。

四分位距（Interquartile Range, IQR）是第三四分位數（Q3）與第一四分位數（Q1）的差值，代表資料中間 50% 的分布範圍，常用於穩健的異常值偵測，不受極端值影響。

L1 正則化透過懲罰權重的絕對值總和，驅使模型將不重要特徵的權重歸零，達到特徵選擇的效果

標籤編碼是將類別型資料轉換為整數，以便機器學習模型處理，但需注意可能產生不必要的順序關係

學習是AI系統從數據中自動提取模式、規律與特徵，藉以提升特定任務效能的核心過程。

將數值特徵取對數以壓縮偏態分布、縮小量級差距，使數據更接近常態分布的前處理技術。

留一交叉驗證（Leave-One-Out Cross-Validation, LOOCV）是 K 折交叉驗證的特例，每次將一個樣本作為驗證集，其餘所有樣本作為訓練集，重複執行 N 次（N 為樣本數），

材料科學AI運用機器學習加速新材料的發現與設計，能精準預測材料特性並最佳化製程，顯著縮短研發週期。

矩陣分解是一種將矩陣分解為兩個或多個矩陣乘積的技術，常應用於推薦系統，以預測用戶對未評分項目的偏好。

梅爾頻譜圖是一種音訊訊號的視覺表示，它將音訊的頻率轉換到梅爾尺度上，更符合人類聽覺感知，常用於語音辨識和音訊分析。

將資料線性轉換到指定區間（通常為 [0, 1]）的特徵縮放方法，透過減去最小值再除以值域來實現。

分子圖將化學分子抽象為圖形，以節點代表原子、邊緣代表化學鍵，是機器學習處理分子結構的核心格式。

多任務學習是一種機器學習方法，旨在同時訓練一個模型來執行多個相關任務，以提升模型的泛化能力和效率。

互信息衡量兩個隨機變數之間相互包含的信息量，數值越大代表相關性越高，常用於特徵選擇、圖像配準等任務。

節點嵌入是一種將圖形結構中的節點轉換為低維度連續向量的技術，目的是保留節點在原圖中的網絡拓樸與特徵資訊，以便於後續進行各類機器學習任務。

正規化是一種資料前處理技術，將資料縮放到一個單位範數，例如L1或L2範數，使每個樣本的向量長度為1。

獨熱編碼是一種將類別資料轉換為二元向量的方法，為每個類別建立獨立欄位，存在時標記為 1，其餘為 0

將類別型特徵依照其固有順序轉換為整數的編碼方式，保留類別間的大小關係。

一種具有明確順序或等級關係，但數值間距不一定均等的類別型資料。

事後插補是在模型訓練完成後，於推論階段或生成事後解釋時，即時填補缺失特徵的技術。

主成分分析是一種降維技術，藉由找出資料變異最大的方向，將高維度資料投影至低維度空間，以保留關鍵資訊

屬性預測是指利用機器學習模型，根據物件的特徵或結構資料，預測其物理、化學或行為特性的技術。

隨機森林是一種集成學習演算法，透過多棵決策樹投票，以隨機子集資料和特徵進行訓練，提升預測準確性

推薦系統是一種利用演算法預測使用者對物品偏好的資訊過濾系統，旨在幫助使用者發現感興趣的內容，並提升平台互動與銷售。

線性整流函數（Rectified Linear Unit, ReLU）是深度學習中最常用的激活函數，將負值輸出設為零、正值保持不變，有效解決梯度消失問題並加速神經網路收斂。

一種透過稀疏性約束學習高維資料中可解釋潛在特徵的神經網路架構，近年廣泛應用於語言模型的可解釋性研究。

顯著性地圖是一種圖像處理技術，用於突出顯示圖像中最引人注目的區域。它通過計算每個像素的顯著性得分來實現，得分越高表示該區域越顯著。

將文字或概念轉換為連續向量空間中數值表示的技術，讓機器能理解並比較資料間的深層意義關聯與相似度。

指將感測器收集的原始訊號，透過濾波、校正與特徵提取，轉化為AI模型可用的結構化數據。

連體神經網路是一種包含兩個或多個共享相同權重的相同神經網路的架構，用於比較輸入之間的相似性或關係。

奇異值分解（SVD）是一種將矩陣分解為三個矩陣乘積的技術，廣泛應用於降維、推薦系統和資料壓縮等領域。

衡量資料集各數值與平均值之間平均離散程度的統計指標，反映資料的變異性。

逐步迴歸分析是一種特徵選擇演算法，透過反覆加入或移除自變數，建立預測目標變數的最佳統計模型。

繼任特徵是強化學習中的一種狀態表徵方法，用於解耦環境動態與獎勵函數，提升多任務學習效率。

將類別特徵替換為該類別對應的目標變數統計量（通常是條件平均值）的特徵工程技術。

訓練模型時，不小心納入在預測時無法獲取的未來或結果資訊，導致模型過度樂觀。

衡量一個詞對文件的重要性：在這篇文件中出現多（TF 高）但在其他文件中少見（IDF 高）的詞最重要

文本分類是自然語言處理中的一項任務，旨在將文本自動分配到預定義的類別中。它應用廣泛，例如垃圾郵件檢測、情感分析等。

AutoML遷移學習利用預訓練模型知識，加速AutoML流程，減少訓練數據需求，提升模型泛化能力，並降低計算成本。