当作者说特征是机器学习模型的输入时，这意味着什么？

Question

我正在读一本关于图神经网络的文章，上面提到：

在这个步骤中，我们提取所有新的更新隐藏状态，并创建一个描述整个图的最终特征向量。然后，该特征向量可用作标准机器学习模型的输入。

这个特征向量可以作为标准机器学习模型的输入是什么意思？机器学习不是从一开始就获得这些特性吗？这意味着特征向量将被输入到机器学习模型中？它应该是ML模型的一部分，而不是输入吗？

Answer 1

这里有很多混乱：

• “特性”这个词有点模糊，但它通常指的是作为ML系统输入的结构化信息。
• 不，特性不是ML模型的一部分。它们是用来训练模型的输入。
• 不，ML并不是“全部关于获取特性”。获取这些特性只是以一种可用的方式获取信息的阶段，所以就好像你说过“学习”就是“获得一本书”。

在这句话中，作者的意思是这个ML过程至少有两个阶段:第一步训练一个神经网络模型，然后收集神经网络的隐藏状态的值，以便提供给第二个模型，该模型使用它们作为输入特征。