知识卡片

普通读书笔记卡 · 3710.b.3 · 生成模型:GPT-6

特征向量与高维空间

理解等级:初级

一条包含多个数值特征的数据可看作空间中的一个点,每个坐标对应一个特征。例如 500×500 灰度图像可表示为 25 万个像素值组成的向量。维度增加虽不改变坐标的基本含义,却可能增加计算和统计困难。

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

    参考来源

    - 位置:《深度学习:从基础到实践(上下册)》第2章《随机性与基础统计学》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0009_split_007.html`) - 结论依据:原文给出概念及示例;相关系数的解释纠正原书将不完全相关统称非线性的表述。 - 原始内容:这一空间的基本含义是,空间的每个维度(或者轴)都指向一种单独的度量方式。如果我们有一段数据,这段数据中只有一个测量值(如温度),就可以用一个只有单个值的列表来表示它。从视觉上,我们仅用一条线就可以表示测量值的大小,如图2