什么是机器学习方面的向量

Question

我想了解什么是机器学习方面的向量.

我查看了以下2个链接:

https://en.wikipedia.org/wiki/Support_vector_machine https://en.wikipedia.org/wiki/Feature_vector.

我无法理解它.有人可以用简单的话来解释这个吗？

Answer 1

我认为你的大部分问题都来自因为vector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; N个元素的向量是N维向量,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.

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

[1988, 4, 200, 2]
[2001, 3, 220, 1]

等等

Answer 2

简单来说，
维度：用于分析的属性/特征，
例如：
a) 在医疗保健领域：身高、体重、性别、脉率、胆固醇水平
b) 在银行领域：年龄、性别、职业、婚姻状况等

n-维度向量：<e ₁ , e ₂ , e ₃ , ...., en _>其中e _i是维度i的值，并且元素是有序的。
示例：
<180, 74, M, 60, 120> 是一个 6 维向量，其中 180, 74, M, 60, 120 分别是属性/维度的值：身高、体重、性别、脉搏率、胆固醇水平。

<180, 74, M, 60, 120> 和 <180, M, 74 , 60, 120> 尺寸重量和性别的顺序不同。