我知道支持向量机，随机树森林和逻辑回归是用于分类的著名机器学习（ML）算法。
我对特征提取，选择和分类之间的术语感到困惑。
上述ML算法是否用于提取特征而不是选择特征？
机器学习算法是否包括特征提取和分类过程？
训练ML算法的结果（准确性，特异性，敏感性..）是否告诉我们特征提取后对疾病进行分类的结果？
lwtdxy 回答：特征提取，选择和分类概念
关于您对这三种术语的困惑，
功能提取：：要从原始数据中创建新功能时（例如，您有transaction_day列，但您仅对月份感兴趣，因此您可以创建一个新列“ transaction_month”的“ transaction_day”）
功能选择：：您有很多功能，但只想选择重要的功能（其中几个是另一个要研究的主题）。这样可以加快学习过程，采用正确的策略，您就不会在许多应用程序中牺牲准确性。
分类：是一门受监督的（带有标签的）机器学习，您的目标是将观察结果分配给已知的类别（例如，发送给垃圾邮件或普通类别的电子邮件）
注意：一些机器学习算法（例如“ Lasso”）具有内置的特征选择，但对于另一些机器，经过训练的特征系数大通常表明特征的重要性（read more about recursive feature elimination (rfe)）
您可能还会在这篇文章中找到很好的讨论。