Math 如何降低向量的维数
我有一组向量。我正在研究如何将n维向量简化为一元值(1-d),比如 此单个值必须是向量的特征值。每个唯一向量产生唯一的输出值。以下哪种方法合适: 1-向量范数-平方和的平方根,用于测量从原点到欧几里得距离 2-使用一些避免冲突的散列技术计算F的散列 3-使用线性回归计算,y=w1*x1+w2*x2+…+wn*xn-如果输入值对输出没有良好的依赖性,则不太可能是好的 4-特征提取技术,如PCA,根据Math 如何降低向量的维数,math,vector,machine-learning,vectorization,dimension-reduction,Math,Vector,Machine Learning,Vectorization,Dimension Reduction,我有一组向量。我正在研究如何将n维向量简化为一元值(1-d),比如 此单个值必须是向量的特征值。每个唯一向量产生唯一的输出值。以下哪种方法合适: 1-向量范数-平方和的平方根,用于测量从原点到欧几里得距离 2-使用一些避免冲突的散列技术计算F的散列 3-使用线性回归计算,y=w1*x1+w2*x2+…+wn*xn-如果输入值对输出没有良好的依赖性,则不太可能是好的 4-特征提取技术,如PCA,根据 输入向量集从方法上看,不清楚您需要此转换具有哪些属性,因此我猜测您不需要此转换来保留除唯一性和可能
输入向量集从方法上看,不清楚您需要此转换具有哪些属性,因此我猜测您不需要此转换来保留除唯一性和可能可逆性以外的任何属性 您建议的任何技术通常都无法避免碰撞:
如果空间很重要,并且需要更高效的表示,则可以考虑更高效的位编码:集合0,1,…,9,'.',''中的每个字符可以由4位表示—一个十六进制数字(将'.'映射到a,将''.'映射到B)。现在将该字符串编码为十六进制数,节省一半空间。降维的目的是什么?你想用向量做什么?若这是一个机器学习问题,PCA将是最好的。它有点取决于你们想用唯一值做什么。你能详细说明一下吗?@d.j.sheldrick;我需要这些唯一值来简化向量的计算。@AlptiginJalayr:我不太确定PCA是否给出唯一值您需要对这些向量进行什么样的计算?
(x1,x2,....,xn) ------> y