知识卡片
矩阵:同特征对象集合
从机器学习视角看,矩阵不是单纯的数表,而是具有相同特征和维度的对象集合:一行是一个对象,一列是一个特征,每个特征都有数值取值。这样组织后,特征相同、取值相异的对象既彼此独立又彼此联系——同一组特征使它们可比,取值差异使它们可分,特征列的取值范围构成的矩阵空间则应能反映事物的空间形式与变化。矩阵因此有三类用途:把二维矩阵看成坐标系中的点集,用点与点距离完成聚类、分类与预测;用二次型升维,把线性不可分数据映射到高维变成线性可分,这是支持向量机的原理之一;借助特征值与特征向量做维度约简,压缩图像这类高维数据,主成分分析用的正是这条路径。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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1章 机器学习的基础 · 查看原书依据
矩阵是具有相同特征和维度的对象集合,表现为一张二维数据表。 一个对象表示为矩阵中的一行,一个特征表示为矩阵中的一列,每个特征都有数值型的取值。
参考来源
- 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html)
- 结论依据:原文把矩阵重新定义为具有相同特征和维度的对象集合,逐条列出四性质,并明确指出解方程组、方程降次和变换三大用途。
- 原始内容:矩阵是具有相同特征和维度的对象集合,表现为一张二维数据表。 一个对象表示为矩阵中的一行,一个特征表示为矩阵中的一列,每个特征都有数值型的取值。