什么是机器学习方面的向量

Question

我想了解机器学习方面的向量是什么。

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。有人可以用简单的词语解释这个吗？

Answer 1

我认为你的问题大部分是因为 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 元素的向量是 N 维向量，每个元素都有一个维度。

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。你的程序会声明一个1x3数组（一维数据结构）来保存这三个项目。

这是否有助于您可视化基本输入处理？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，我们可能有特征（表格列），包括房屋的建造年份，卧室数量，面积（平方公尺2）和车库大小（自动列表）容量）。这将给出输入向量，例如

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

等

Answer 2

简单来说，
维度 ：分析所需的属性/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。

n维向量 ：＆lt; e ₁ ，e ₂ ，e ₃ ，....，e _n ＆gt;其中 e _i 是维度 i 的值，并且元素是有序的。
示例：
＆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， 74，M， 60,120＆gt;和＆lt; 180， M，74 ，60,120＆gt;与维度重量和性别的顺序不同。

Answer 3

标量值只会有一个大小，而没有方向。

例如，

• 考试中学生的成绩
• 员工工资
• 城市温度等

矢量值将具有大小和方向。

例如，

• 车辆的速度
• 电流的电流密度
• 硬币的磁场等

在机器学习中，当我们有多个自变量来预测因变量时，通常代表多维空间中的所有自变量。

例如，

让我们考虑一个ML问题，我们必须使用以下独立变量来预测学生在期末考试中的成绩-

• 出勤率
• 内部考试不及格的人数
• 已完成的作业数量

在这里，我们需要将学生的所有这些数据点投影到多维空间中，其中-

维度1-出勤率

第2维-内部考试中不及格的人数

维度3-完成的作业数量

看起来有点像这样-

现在，每个自变量可以表示为因变量的向量。

就像

“出勤率”矢量相对于考试成绩具有幅度和正方向（如果出勤率也增加，则最终考试的成绩将增加，如果出勤率减少，则成绩将减少）。

“内部考试不及格的人数”矢量相对于考试成绩具有大小和负方向（如果内部考试不及格的人数减少，则最终考试的成绩将增加，如果内部考试的不合格人数减少，则成绩将减少内部考试不及格的人数增加）。

现在，如果我们有一个新学生需要预测他的分数，那么我们可以在这三个向量中表示他的数据，并且可以将三个具有正交关系的向量视为他/她的预测分数在期末考试中。

一维矢量空间中的数据点表示-

二维矢量空间中的数据点表示-

3维矢量空间中的数据点表示-

希望你有个主意！！！