Tengo problemas para entender el uso de Vector en el aprendizaje automático para representar un grupo de funciones.
Si uno busca el definición de un Vector, entonces, según wikipedia, un Vector es una entidad con una magnitud y dirección.
Esto se puede entender al aplicar Vectores, por ejemplo, a la física para representar fuerza, velocidad, aceleración, etc. ..: los componentes del vector representan los componentes de la propiedad física a lo largo de los ejes en el espacio. Por ejemplo, los componentes de un vector de velocidad representan la velocidad a lo largo de los ejes x, y y z
Sin embargo, cuando se aplican vectores al aprendizaje automático para representar características, esas características pueden ser entidades totalmente independientes. Pueden tener unidades totalmente diferentes: una característica puede ser la longitud en metros de una persona y otra puede ser la edad en años de la persona.
Pero entonces, ¿cuál es el significado de la Magnitud de dicho Vector, que luego estaría formado por una suma de m éteres y años? ¿Y la dirección?
Sé acerca de la normalización de funciones para que tengan rangos similares, pero mi pregunta es más fundamental.
Respuesta
Tengo problemas para entender el uso de Vector en el aprendizaje automático para representar un grupo de funciones.
En resumen , yo diría que» Features Vector «es solo una forma conveniente para hablar sobre un conjunto de características.
De hecho, para cada etiqueta «y «(para ser predicho), necesita un conjunto de valores» X «. Y una forma muy conveniente de representar esto es poner los valores en un vector, de modo que cuando considere múltiples etiquetas, termine con una matriz que contenga una fila por etiqueta y una columna por característica.
De manera abstracta, definitivamente puedes pensar en esos vectores que pertenecen a un espacio de múltiples dimensiones, pero (generalmente) no a n Euclidiana. Por lo tanto, se aplican todas las matemáticas, ¡solo la interpretación difiere!
Espero que te ayude.
Comentarios
- De eso se trata de me confunde: " no es euclidiana ". Si no es euclidiana, ¿de qué tipo es? De ahí el título: " ¿Qué tipo de vector es …. " O estoy siendo demasiado específico al interpretar " Euclidiana "?
- La representación vectorial simplemente facilita el procesamiento y análisis estadístico. Si está buscando una interpretación, esta ya no es una cuestión técnica y creo que solo necesita pensar de una manera más abstracta, como si intentara representarse a sí mismo lo que es un espacio euclidiano n-dimensional. (n > 3)
Responder
Primero hablemos sobre cómo organizar sus datos. Supongamos que los organiza en una hoja de cálculo, donde las columnas representan sus características y las filas sus diferentes muestras. Imagina que preguntas a 3 personas sobre su sexo y edad, luego obtienes una hoja de cálculo con 3 filas (3 personas) y 2 columnas (sexo, edad).
Ahora puede interpretar cada fila como un único vector de características. En nuestro caso de ejemplo, el vector de características tendría 2 dimensiones (sexo, edad). En lugar de la física, la magnitud (euclid.) Del vector de características podría no tener un uso directo para nosotros, ya que las dimensiones provienen de diferentes dominios (en contraste, compare un vector de velocidad). Sin embargo, pudimos calcular la magnitud (después de la normalización). Por otro lado, la dirección del vector de características es importante, ya que representa los valores de las características en sí.
En general, los vectores de características no deben interpretarse directamente como lo hace en física.
Respuesta
Los vectores tienen perspectiva desde el punto de vista de las matemáticas, la física y la informática.
Te sugiero que revises el video de Grant Sanderson sobre vectores en su canal 3BLUE1BROWN o, mejor dicho, repasa toda su serie sobre ESSENCE OF LINEAR ALGEBRA , para una mejor comprensión visual del álgebra lineal .
Hablando de vectores de características , no son más que una colección de todas las características (propiedad individual o característica de un fenómeno que se está observando) organizado de una manera específica. Es un vector n-dimensional de características numéricas que representan algún objeto requerido por los algoritmos de aprendizaje automático. Simplemente revise esta Wikipedia artículo de donde escribí sobre vectores de características.