Vector 什么是机器学习中的向量
我想了解什么是机器学习中的向量 我查看了以下两个链接:Vector 什么是机器学习中的向量,vector,machine-learning,svm,vectorization,Vector,Machine Learning,Svm,Vectorization,我想了解什么是机器学习中的向量 我查看了以下两个链接: 我不能完全理解它。有人能用简单的话解释一下吗?我认为你的问题主要是因为向量是一个有很多用途的通用术语。在这种情况下,可以将其视为一个值列表或表中的一行。数据结构是一维数组;N元素的向量是N维向量,每个元素一个维度 例如,输入(3.14159、2.71828、1.618)是3个元素的向量,可以表示为三维空间中的一个点。您的程序将声明一个1x3数组(一维数据结构)来保存这三个项 这是否有助于您可视化基本的输入处理?对于Wronkskian变
我不能完全理解它。有人能用简单的话解释一下吗?我认为你的问题主要是因为向量是一个有很多用途的通用术语。在这种情况下,可以将其视为一个值列表或表中的一行。数据结构是一维数组;N元素的向量是N维向量,每个元素一个维度 例如,输入(3.14159、2.71828、1.618)是3个元素的向量,可以表示为三维空间中的一个点。您的程序将声明一个1x3数组(一维数据结构)来保存这三个项 这是否有助于您可视化基本的输入处理?对于Wronkskian变换矩阵来说,这不是一个困难的问题——它只是格式和可视化方面的一个变化
特征向量只是一行输入。例如,在流行的住房价格预测机器学习示例中,我们可能有一些特征(表列),包括房屋的建造年份、卧室数量、面积(m2)和车库大小(汽车容量)。这将给出输入向量,例如
[1988, 4, 200, 2]
[2001, 3, 220, 1]
等等。简单地说,维度:用于分析的属性/特征
例如:
a) 健康领域:身高、体重、性别、脉搏率、霍乱水平
b) 银行领域:年龄、性别、职业、婚姻状况等
n维向量:其中ei是维i的值,元素是有序的。
示例:
是一个6维向量,其中 180、74、M、60、120分别是身高、体重、性别、脉搏率、胆固醇水平的属性/维度值
与维度的顺序不同权重和性别会发生变化。标量值只会有大小,而不会有方向 比如说,
- 学生考试成绩
- 雇员工资
- 城市的温度等
- 车速
- 电流密度
- 硬币等的磁场
让我们考虑一个ML问题,我们必须用下列独立变量来预测期末考试成绩。
- 出席率
- 内部考试不及格科目数
- 完成的作业数
希望你有个主意 解释你不理解的定义的哪一部分以及为什么会让你感到困惑。机器学习模型中的输入对象称为向量。在链接中,我了解到在监督学习中,每个示例都是由输入对象(通常是向量)和输入对象转换为特征向量组成的一对,它包含了许多描述对象的特征,所以我无法理解输入本身,称为向量,或转换后的输入,称为向量。向量的思考是表示数据的一种方式,仅此而已。它是一种显示输入值的矩阵。可以在此矩阵上执行变换,变换的结果将再次成为矩阵。