知识卡片
特征向量与高维空间
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?
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
- 随机性与基础统计学 · 查看原书依据
这一空间的基本含义是,空间的每个维度
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