Mám potíže s porozuměním toho, jak Vector ve strojovém učení představuje skupinu funkcí.
Pokud někdo vyhledá definici Vektoru, pak je podle wikipedie Vektor entitou o velikosti a směru.
To lze pochopit, když použijeme vektory například na fyziku, která představuje sílu, rychlost, zrychlení atd. ..: komponenty Vektoru představují komponenty fyzikální vlastnosti podél os v prostoru. Například komponenty vektoru rychlosti představují rychlost podél os x, yaz z.
Nicméně při aplikaci vektorů na strojové učení k reprezentaci funkcí mohou být tyto prvky zcela nesouvisejícími entitami. Mohou mít úplně odlišné jednotky: jednou funkcí může být délka v metrech osoby a druhou věk v letech osoby.
Ale jaký je tedy význam velikosti takového vektoru, který by pak vznikl součtem m étery a roky? A Směr?
Vím o normalizaci funkcí, aby měly podobné rozsahy, ale moje otázka je zásadnější.
Odpověď
Mám potíže s porozuměním toho, jak Vector ve strojovém učení představuje skupinu funkcí.
Stručně bych řekl, že“ Vektor funkcí „je jen pohodlný způsob mluvit o sadě funkcí.
Ve skutečnosti pro každý štítek „y“ „(lze předvídat), potřebujete sadu hodnot„ X “. A velmi pohodlným způsobem, jak to vyjádřit, je dát hodnoty do vektoru, takže když vezmete v úvahu více štítků, skončíte s maticí obsahující jeden řádek na štítek a jeden sloupec na prvek.
V abstraktním smyslu můžete určitě myslet na ty vektory, které patří do prostoru více dimenzí, ale (obvykle) ne n euklidovský. Proto platí veškerá matematika, liší se pouze interpretace!
Doufám, že vám to pomůže.
Komentáře
- To je to, jaké of confuses me: " not an Euclidean one ". Pokud to není euklidovský, jaký je to druh? Odtud tedy název: " Co je to Vector … " Nebo bych chtěl konkrétně interpretovat " Euklidovská "?
- Vektorová reprezentace usnadňuje zpracování a statistickou analýzu. Pokud hledáte interpretaci, už to není technická otázka a myslím, že musíte myslet abstraktněji, jako byste se pokoušeli představit sami sebe, co je n-dimenzionální euklidovský prostor. (n > 3)
Odpověď
Nejprve promluvme o tom, jak uspořádat svá data. Předpokládejme, že organizujete svá data v tabulce, kde sloupce představují vaše funkce a řádky vašich různých vzorků. Představte si, že jste se zeptali 3 lidí na jejich pohlaví a věk, poté dostanete tabulku se 3 řádky (3 lidé) a 2 sloupci (pohlaví, věk).
Nyní můžete každý řádek interpretovat jako jeden vektor prvku. V našem příkladu by měl vektor funkcí 2 dimenze (pohlaví, věk). Místo fyziky pro nás (euklid.) Velikost vektoru funkcí nemusí mít žádné přímé použití, protože rozměry pocházejí z různých domén (na rozdíl od toho porovnávají vektor rychlosti). Přesto jsme mohli vypočítat velikost (po normalizaci). Na druhou stranu je důležitý směr vektoru prvků, protože představuje samotné hodnoty prvků.
Celkově by všechny vektory prvků neměly být přímo interpretovány jako ve fyzice.
Odpověď
Vektory mají perspektivu z pohledu matematiky, fyziky a počítačové vědy.
Navrhuji vám projít Grant Sanderson „s videem na vektorech na jeho kanálu 3BLUE1BROWN nebo spíše projít celou jeho sérií na ESSENCE OF LINEAR ALGEBRA pro lepší vizuální pochopení lineární algebry .
Když mluvíme o vektorech funkcí , nejsou ničím jiným než kolekcí všech funkcí (individuální vlastnost nebo charakteristika pozorovaného jevu) uspořádané konkrétním způsobem. Jedná se o n-dimenzionální vektor numerických znaků, které představují nějaký objekt, který je vyžadován algoritmy strojového učení. Prostě projděte tuto Wikipedii článek , odkud jsem psal o vektorech funkcí.