什么是机器学习中的向量答案

【问题标题】：What is vector in terms of machine learning什么是机器学习中的向量
【发布时间】：2016-11-17 16:58:43
【问题描述】：

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.

我无法完全理解。有人能用简单的话解释一下吗？

【问题讨论】：

解释您不理解定义中的哪一个具体部分，以及为什么它让您感到困惑。
是机器学习模型中的输入对象，称为向量。
在en.wikipedia.org/wiki/Supervised_learning链接中，我读到在监督学习中，每个示例都是由一个输入对象（通常是一个向量）组成的对，输入对象被转换为一个特征向量，其中包含许多描述对象的特征，所以我无法理解输入本身称为向量或转换后的输入称为向量
将向量视为一种表示数据的方式，仅此而已。它是一种显示输入值的矩阵。可以对这个矩阵进行变换，变换的结果又是矩阵。

标签： vector machine-learning svm vectorization

【解决方案1】：

我认为您的大部分问题都是因为 vector 是一个具有多种用途的通用术语。在这种情况下，可以将其视为值列表或表中的一行。数据结构是一维数组； N 个元素的向量是一个 N 维向量，每个元素对应一个维度。

例如，输入 (3.14159, 2.71828, 1.618) 是 3 个元素的向量，可以表示为 3 维空间中的一个点。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。

这是否有助于您可视化基本的输入处理？这对 Wronkskian 变换矩阵来说不是一个难题——它只是格式和可视化的变化。

特征向量只是一行输入。例如，在流行的房价预测机器学习示例中，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

【讨论】：

【解决方案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、脉搏率、胆甾醇水平
b) 在银行领域：年龄、性别、职业、婚姻状况等

n维向量：1 , e₂, e₃, ...., e_n> 其中 e_i 是维度 i 的值，元素是有序的。
示例：
是一个 6 维向量，其中 180, 74, M, 60, 120分别是身高、体重、性别、pulse_rate、cholesterol_level的属性/维度值。

74, M, 60, 120> 和 M, 74, 60, 120> 与尺寸重量顺序不同，性别变了。

【讨论】：

【解决方案3】：

标量值只有大小，没有方向。

例如，

学生考试成绩
员工工资
城市温度等

向量值将同时具有大小和方向。

例如，

车辆的速度
电流的电流密度
硬币等的磁场

在机器学习中，当我们有多个自变量来预测一个因变量时，我们通常将所有自变量表示在一个多维空间中。

例如，

让我们考虑一个机器学习问题，其中我们必须使用以下自变量来预测学生在期末考试中的成绩-

出勤率
内部考试不及格的科目数
已完成的作业数

在这里，我们需要将学生的所有这些数据点投影到一个多维空间中-

维度 1- 出勤率

维度 2 - 内部考试不及格的科目数

维度 3 - 完成的作业数量

看起来有点像这样-

现在，每个自变量都可以表示为相对于因变量的向量。

喜欢，

“出勤率”向量相对于考试成绩有大小和正向（出勤率增加则期末考试成绩增加，出勤率降低则成绩降低）。

“内考不及格数”向量相对于考试成绩有一个量级和负方向（内考不及格人数减少则期末考试成绩增加，如果不及格人数减少则期末考试成绩减少）内部考试不及格的科目增加）。

现在，如果我们有一个新学生需要预测他的分数，那么我们可以用这 3 个向量表示他的数据，并且这 3 个向量具有正交关系的点可以被认为是他/她的预测分数在期末考试中。

一维向量空间中的数据点表示-

二维向量空间中的数据点表示-

3维向量空间中的数据点表示-

希望你有想法！！！

【讨论】：