1.2 特征、特征向量和分类器

1.2 特征、特征向量和分类器

    分类任务中的基本问题：

• 怎样得到特征？在以前的例子中，用均值和标准偏差作为特征，是因为我们知道应该从图像中提取这些特征。但在实际问题中，特征不是显而易见的。这是分类系统设计的特征提取阶段的任务，它完成已知样本的识别。
• 特征数L为多少最好？这是一个很重要的问题，它在分类系统设计的特征选择阶段完成。在实际问题中，总是产生大量的特征供选择，需要选择其中最具有代表性的特征来使用。
• 对指定的任务选择了合适的特征后，怎样设计分类器？在以前的例子中，只是为了观察方便，根据经验画了一条直线。在实际问题中则不然，必须按照最优准则将线画在最优的位置。在L维特征空间中，采用什么样的非线性分类器以及采用什么样的优化准则，这些问题在分类器设计阶段解决。
• 当分类器设计完毕后，如何评价分类器的性能？也就是说，分类误差率是多少？这是系统评估阶段的任务。