🔗 관련 문서: Wikipedia - 특징 추출

특징 추출 (Feature Extraction)

특징 추출은 원시 데이터를 분석하여 중요한 패턴, 규칙 또는 속성을 찾아내어 기계가 인식할 수 있는 형태로 변환하는 과정을 의미한다. 머신러닝과 딥러닝에서 핵심적인 전처리 단계로 사용된다.

(1) 정의와 역할

특징 추출은 데이터의 중요한 속성(feature)을 자동 또는 수동으로 찾아내어 벡터 형태로 변환하는 과정이다. 이 과정은 컴퓨터가 입력받은 정보를 이해하고 학습하는 데 필수적인 전처리 작업이다.

(2) 작동 방식

1. 입력 데이터를 수집한다 (예: 이미지, 텍스트, 음성 등).
2. 데이터 내에 존재하는 중요한 패턴, 경계, 빈도, 색상 등의 특징을 분석한다.
3. 이 특징들을 벡터(수치적 표현)로 변환하여 모델의 학습 입력값으로 제공한다.

(3) 머신러닝 vs 딥러닝

머신러닝: 사람이 직접 특징 추출을 수행해야 하며, 그 결과를 바탕으로 모델이 학습한다.

딥러닝: 신경망이 데이터로부터 자동으로 특징 추출을 수행하고 분류까지 이어진다.

(4) 개념도

다음은 머신러닝과 딥러닝의 특징 추출 방식 차이를 나타낸 그림이다.