Machine learning Tensorflow:拥有多个要素栏与拥有一个具有多个维度的要素栏有什么区别?
我试图用一个简单的Machine learning Tensorflow:拥有多个要素栏与拥有一个具有多个维度的要素栏有什么区别?,machine-learning,tensorflow,linear-regression,Machine Learning,Tensorflow,Linear Regression,我试图用一个简单的tf.contrib.learn.LinearRegressor开始使用TensorFlow。我的数据集是一个时间序列,我希望使用T-n,…,T-1处的步骤作为特征,使用T-0作为标签。所有的值都是浮动的,所以我很自然地认为我应该将每个时间步都变成一个实值列特性 然而,这些列有一个dimension=属性,在TF网站上Iris数据集的示例中,一个具有四个维度的列作为特征。我认为这四个属性(萼片宽度/长度、花瓣宽度/长度)中的每一个都应该成为它自己的特征,从而成为它自己的实值列。
tf.contrib.learn.LinearRegressor
开始使用TensorFlow。我的数据集是一个时间序列,我希望使用T-n,…,T-1
处的步骤作为特征,使用T-0
作为标签。所有的值都是浮动的,所以我很自然地认为我应该将每个时间步都变成一个实值列
特性
然而,这些列有一个
dimension=
属性,在TF网站上Iris数据集的示例中,一个具有四个维度的列作为特征。我认为这四个属性(萼片宽度/长度、花瓣宽度/长度)中的每一个都应该成为它自己的特征,从而成为它自己的实值列。我的理解错了吗?这些方法之间的区别是什么?每朵花都由它的四个属性表示,因此你的特征矩阵确实有四列。但是要训练分类器,你不能单独使用每个特征,因为它们可能与花所属的类别相关。因此维度设置为维度=4。将实值列视为一组列(其编号为维度),这些列构成一个特征矩阵。每个花由其四个属性表示,因此,您的特征矩阵确实有4列。但为了训练分类器,您不能单独获取每个特征,因为它们可能与花所属的类相关。因此维度设置为维度=4。将实值列视为一组列(它们的编号就是维度)哪个构成特征矩阵。您是否有更详细的链接?我并没有意识到特征的数量和维度之间存在差异,我会认为一个特征==训练样本的一个维度。特征的数量和维度之间没有差异。如果你有4列,你有4个特征,所以维度=4,正如我所说的。唯一可能让事情变得更复杂的方法是,如果每个特征都由一个有自己维度的向量表示。除非是这样,否则,特征=维度。你有更详细解释这个的链接吗?我并没有意识到特征的数量和维度之间存在差异,我会认为一个特征==训练样本的一个维度。特征的数量和维度之间没有差异。如果你有4列,你有4个特征,所以维度=4,正如我所说的。唯一能让事情变得更复杂的方法是,如果每个特征都由一个有自己维度的向量表示,除非是这样,否则,特征=维度。