🔗 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.

[목차로 돌아가기]

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.

[목차로 돌아가기]

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.

[목차로 돌아가기]

4. 개념도

다음은 머신러닝과 딥러닝의 특징 추출 방식 차이를 나타낸 그림이다.



하나 더 알기: 특징 추출이란?

딥러닝에서 컴퓨터가 스스로 학습하려면, 입력받은 데이터를 분석하여 일정한 패턴이나 규칙을 찾고 이를 벡터 형태로 변환해야 한다. 이때 데이터를 요약해주는 수치 정보가 바로 ‘특징’이며, 이 과정을 특징 추출이라고 한다.

[목차로 돌아가기]