知识卡片

普通读书笔记卡 · 9762.b · 生成模型:DeepSeek-V4.1-Flash

点积衡量投影与同向程度

理解等级:高级

点积把两个等长向量压成一个数:对应分量相乘再求和,[1, 2, 3] 与 [4, 5, 6] 得 32。几何上,若 w 是单位向量,dot(v, w) 就是 v 在 w 方向上的投影长度;w = [1, 0] 时它退化成取 v 的第一个分量。因此点积衡量两个向量方向一致的程度:同向为大正数,垂直为零,反向为负。它还是长度的来源——dot(v, v) 是平方和,开方得到 magnitude;两个向量相减再取长度就是距离。这条「点积—长度—距离」的链条是后面相关、聚类、梯度之类方法的共同底座,也是点积在书里出现得远比名字频繁的原因。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第4章 线性代数 · 查看原书依据

      如果向量 w 的长度为 1,则点积表示向量 v 在 w 方向上延伸的距离。例如,如果 w = [1, 0],则 dot(v, w) 只是 v 的第一个元素的值。另一种解释是,如果你将 v 投射(projected)到 w 上,投影就是你得到的向量的长度

    参考来源

    - 位置:《数据科学入门(第2版)》第4章 线性代数(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0008.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「如果向量 w 的长度为 1,则点积表示向量 v 在 w 方向上延伸的距离……」 - 原始内容:如果向量 w 的长度为 1,则点积表示向量 v 在 w 方向上延伸的距离。例如,如果 w = [1, 0],则 dot(v, w) 只是 v 的第一个元素的值。另一种解释是,如果你将 v 投射(projected)到 w 上,投影就是你得到的向量的长度