【はじめてのパターン認識】第1章 はじめに

特徴の型

パターン認識は、対象を観測し、識別に有効な特徴を抽出することから始まる。 観測される特徴は以下のように分類できる。

  • 定性的特徴(非数値データ)
    • 名義尺度(分類のための単なる名前)
    • 順序尺度(順序関係を表す)
  • 定量的特徴(数値データ)
    • 比例尺度(原点が定まっており、比率が意味を持つ)
    • 間隔尺度(一定の単位で量られた量、量間の比が意味を持たない)

次元の呪い

次元が増えると、学習のための必要データ数が指数関数的に増加すること 高次元空間では、一見直観的でない性質がある。 例えば超立方体などを考えてみるとその非直観性がわかる。