什么是机器学习方面的向量

作者: 咿呀哟
发布时间: 2024-03-13 09:27:32 (4月前)
转自：

3 条回复

0#
回复此人
v-star*위위 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 我认为你的大部分问题都是因为的 向量 </强> 是一个有很多用途的通用术语。在这种情况下，将其视为值列表或表中的行。数据结构是一维数组;矢量的 ñ </强> 元素是一个的 ñ </强> - 维度向量，每个元素的一个维度。 例如，输入（3.14159,2.71828,1.618）是3个元素的向量，可以表示为3维空间中的点。您的程序将声明一个1x3数组（一维数据结构）来保存这三个项目。 这有助于您可视化基本输入处理吗？对于Wronkskian变换矩阵来说，这不是一个难题 - 它只是格式和可视化的变化。 <HR /> 特征向量只是一行输入。例如，在住房价格预测的流行机器学习示例中，我们可能具有特征（表格列），包括房屋的建造年份，卧室数量，面积（m ^ 2）和车库大小（汽车容量）。这将给出输入向量，例如 <pre> <code> [1988, 4, 200, 2] [2001, 3, 220, 1] </code> </pre> 等等 </DIV>

编辑
1#
回复此人
雪浴冰灵 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 简单来说， 的 外形尺寸 </强> ：用于分析的属性/功能 例如： a）在医疗保健领域：身高，体重，性别，脉搏率，胆石水平 b）在银行领域：年龄，性别，职业，婚姻状况等 的 n维向量 </强> ：其中，E <子> 1 </子> ，e <子> 2 </子> ，e <子> 3 </子> ，....，e <子> ñ </子> ＆GT;哪里 Ë <子> 一世 </子> 是维度的价值 一世 和元素是有序的。 的 例 </强> ： ＆lt; 180,74，M，60,120＆gt;是一个6维向量，其中 180,74，M，60,120分别是属性/尺寸高度，重量，性别，pulse_rate，cholesterol_level的值。 ＆LT; 180 的 74，M， </强> 60,120>和＆lt; 180，的 男，74岁 </强> ，60,120>与尺寸重量和性别的顺序不同。 </DIV>

编辑

登录后才能参与评论