Problémáim vannak a vektor használatának megértésével a gépi tanulásban, hogy egy funkciócsoportot képviseljek.
Ha valaki megkeresi a A vektor definíciója, akkor a wikipédia szerint a vektor egy nagyságrendű és irányú entitás.
Ezt akkor lehet megérteni, ha a vektorokat például a fizikára alkalmazzuk az erő, a sebesség, a gyorsulás stb. ábrázolására. ..: A vektor komponensei a fizikai tulajdonság alkotóelemeit képviselik a tér tengelyei mentén. Például a sebességvektor komponensei az x, y és z tengely mentén a sebességet képviselik.
Azonban amikor a vektorokat alkalmazzák a gépi tanuláshoz, hogy a jellemzőket ábrázolják, akkor ezek a tulajdonságok teljesen független entitások lehetnek. Teljesen különböző egységekkel rendelkezhetnek: az egyik jellemző lehet az ember méterben kifejezett hossza, a másik pedig az adott személy életkora.
De akkor mit jelent egy ilyen vektor nagysága, amelyet aztán m összegzésével alakítanának ki éterek és évek? És az Irány?
Tudok a funkciók normalizálásáról, hogy hasonló tartományúak legyenek, de a kérdésem alapvetőbb.
Válasz
Problémáim vannak a vektor használatának megértésével a gépi tanulásban, hogy egy funkciócsoportot képviseljek.
Röviden: , azt mondanám, hogy a” Jellemzők vektor “csak egy kényelmes mód beszélni egy funkciókészletről.
Valóban, minden “y” címkéhez “(megjósolható), szükséged van egy” X “értékkészletre. Ennek bemutatásának nagyon kényelmes módja az, ha az értékeket vektorba helyezed, így ha több címkét veszel figyelembe, akkor egy mátrix kerül a címkénként egy sor és egy szolgáltatásonként egy oszlop.
Absztrakt módon feltétlenül gondolhat azokra a vektorokra, amelyek több dimenziós térhez tartoznak, de (általában) nem n euklideszi. Ezért az összes matematika érvényes, csak az értelmezés különbözik egymástól!
Remélem, hogy ez segít Önnek.
Megjegyzések
- Ez az a fajta összezavar: " nem euklideszi ". Ha ez nem euklideszi, akkor milyen? Innen ered a cím: " Milyen vektor az …. " Vagy konkrétan foglalkozom a euklideszi "?
- A vektorábrázolás csak megkönnyíti a feldolgozást és a statisztikai elemzést. Ha értelmezést keresel, ez már nem technikai kérdés, és azt hiszem, csak elvontabban kell gondolkodnod, mintha megpróbálnád képviselni magad, hogy mi az n-dimenziós euklideszi tér. (n > 3)
Válasz
Először beszélni kell az adatok rendszerezéséről. Tegyük fel, hogy táblázatba rendezi a táblázatot, ahol az oszlopok a funkciókat és a különböző mintákat sorozzák fel. Képzelje el, hogy 3 embert kérdezett meg a nemükről és az életkorukról, majd kap egy táblázatot, amelyben 3 sor (3 fő) és 2 oszlop (nem, életkor) szerepel.
Mostantól minden sort egyetlen vonásvektorként értelmezhet. Példánkban a jellemzővektornak két dimenziója lenne (nem, életkor). A fizika helyett a jellemzővektor (euklidesz.) Nagysága nem biztos, hogy közvetlen felhasználást jelentene számunkra, mivel a dimenziók különböző tartományokból származnak (ellentétben egy sebességvektorral). Ennek ellenére kiszámolhatnánk a nagyságát (normalizálás után). Másrészt a vonásvektor iránya fontos, mivel maga képviseli a tulajdonságértékeket.
Összességében a jellemzővektorokat nem szabad közvetlenül értelmezni, mint a fizikában.
Válasz
A vektorok perspektívája a matematika, a fizika és a számítástechnika szempontja.
Javaslom, hogy a iv id = csatornán Grant Sanderson “s videón keresztül nézze át a vektorokat “691d1ef36e”>
3BLUE1BROWN , vagy inkább végigmegy egész sorozatán a LINEÁRIS ALGEBRA ESSENCE -on, a Lineáris Algebra jobb vizuális megértése érdekében .
A funkcióvektorokról beszélve, ezek nem más, mint az összes jellemző gyűjteménye (Individual property vagy a megfigyelt jelenség jellemzője) meghatározott módon rendezve. Ez a számjellemzők n-dimenziós vektora, amely valamilyen tárgyat képvisel, és amelyre a gépi tanulási algoritmusok szükségesek. Csak menjen át ezen a Wikipédián div id = “c2e06c560b”>
cikk , ahonnan a funkcióvektorokról írtam.