【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。