web-dev-qa-db-ja.com

機械学習の観点からのベクトルとは

機械学習の観点からベクトルとは何かを理解したいと思います。

私は以下の2つのリンクを調べました：

https://en.wikipedia.org/wiki/Support_vector_machinehttps://en.wikipedia.org/wiki/Feature_vector 。

完全には理解できませんでした。誰かがこれを簡単な言葉で説明できますか？

vectormachine-learningsvmvectorization
10
subho

vectorは多くの用途を持つ一般的な用語であるため、問題の多くが発生すると思います。この場合、値のリストまたはテーブルの行と考えてください。データ構造は1次元配列です。 [〜＃〜] n [〜＃〜]要素のベクトルは[〜＃〜] n [〜＃〜]-次元ベクトルであり、それぞれに1次元です。素子。

たとえば、入力（3.14159、2.71828、1.618）は3つの要素のベクトルであり、3次元空間の点として表すことができます。プログラムは、3つのアイテムを保持するために1x3配列（1次元データ構造）を宣言します。

これは、基本的な入力処理を視覚化するのに役立ちますか？これは、Wronkskian変換行列では難しい問題ではありません。これは、形式と視覚化の変更にすぎません。

特徴ベクトルは、単に1行の入力です。たとえば、住宅価格予測の一般的な機械学習の例では、住宅の建設年、寝室の数、面積（m ^ 2）、ガレージのサイズ（自動容量）などの機能（表の列）がある場合があります。これにより、次のような入力ベクトルが得られます。

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

等.

27
Prune

簡単に言えば、
ディメンション：分析に使用される属性/機能
例：
a）ヘルスケア分野：身長、体重、性別、脈拍数、コレストラルレベル
b）銀行のドメイン：年齢、性別、職業、婚姻状況など

n-次元ベクトル：<e1、e2、e3、....、en>ここでe私はディメンションiの値であり、要素は順序付けられています。
例：
<180、74、M、60、120>は6次元ベクトルであり、180、74、M、60、120はそれぞれ、属性/次元の身長、体重、性別、脈拍数、コレステロール値です。

<180、74、M、 60、120>および<180、M、74、60、120>は次元の順序と同じではありません重量と性別が変更されます。

3
AVA