机器学习 hard concepts 特征构建(feature construction)

最近在看关于特征构建的文章，在此做下学习记录。接下来的关于特征构建的博文将按[1]的过程进行记录，并在记录的过程中补充涉及特征构建的其他文献。

谈到特征构建，我们就会问什么是特征构建、为什么进行特征构建。下面首先回答为什么要做特征构建。

1、为什么要进行特征构建

首先，对术语进行相关说明。

selective induction (SI)：SI假设具有相似属性的instance具有相似类别（class-membership values）。该假设是SI这类算法的基础假设，如果该假设不能得到满足，那么SI的效果就会受到影响。如决策树等

Intrinsic accuracy：给定训练数据，Intrinsic accuracy是指在给定的数据上能达到的最高准确率。Intrinsic accuracy是个理论最高值，不同的学习技术只能不同程度上接近Intrinsic accuracy。

那么，会出现这样一个现象，给定一个问题，该问题具有较高的Intrinsic accuracy，但是根据该问题的原始特征描述，传统的SI方法(例如决策树）学习性能很差，这种现象称之为hard concepts。那么应该怎么处理hard concepts问题那？

特征构建就是一种可选方案。那么什么是特征构建哪？

2、特征构建

SI的基本假设是具有相似属性的instance具有相似类别（class-membership values）。如果这一基本假设不成立，SI性能就会降低。但是，我们可以在原始特征的基础上，通过构建新特征的方法在某种程度上满足SI的基本假设，从而使SI能够达到更好的性能。这个过程我们可称之为特征构建。

3、SI与FC之间的关联总结

selective induction (SI)的基本假设是：具有相似属性的实例具有相似类别值（class-membership values）。SI把在某种度量下（例如余弦相似度、欧氏距离等）相似的实例划分到一起，认为相似实例的class-membership values也相似。但是，如果实际情况不满足该假设，SI的这种划分操作就不合理。也就是说出现了相似的实例却具有不相似的class-membership values的情况。举个例子，0 /1二分类中，实例i与实例j是相似的，但是i与j却不属于相同的类目。如果这种情况普遍出现，SI就不适用了。但是，我们可以通过特征构建FC把原始特征进行转换，使新产生的特征符合SI的基本假设，从而提高SI的性能。

这里简单介绍了下特征构建，没有涉及具体的构建方法，在后续的文章里会更加具体的介绍特征构建。如果感兴趣的朋友，可以深入研究下文献[1]。

*[1]Learning hard concepts through constructive induction: framework and rationale,

LARRYRENDELL AND RAJ SESHU***