機械学習に関してベクトルとは何ですか

Question

機械学習の点で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_machine https://en.wikipedia.org/wiki/Feature_vector。

私は完全に理解できませんでした。誰かが簡単な言葉で説明することができます

Answer 1

ベクトルは多くの用途で一般的な用語であるため、私はあなたの問題の多くが来ると思います。この場合、テーブルの値のリストまたは行として考えることができます。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、各要素に対して1次元である。

例えば、入力（3.14159,2.71828,1.618）は3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。あなたのプログラムは3つの項目を保持するために1x3配列（1次元データ構造体）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変換マトリックスでは難しい問題ではありません。フォーマットと視覚化の単なる変更です。

---

特徴ベクトルは単純に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、建築年、寝室数、面積（m^2）、ガレージのサイズ（自動容量）などのフィーチャ（テーブル列）があります。ヘルスケアではA）
：分析のために採取した属性
例：これは、簡単な言葉ではなど

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

として入力ベクトルに
寸法を

Answer 2

を与えるだろうドメイン：身長、体重、性別、脈拍数、胆汁中濃度
b）銀行ドメイン：年齢、性別、職業、marita Lステータスなど

N次元ベクトル：< E1、E2、E3、...、EN> EI iと要素が順序付けさ寸法の値です。
例えば：
< 180、74 M、60、120> 180、74 M、60、120、属性/寸法の身長、体重、性別、pulse_rateの値である6次元ベクトルであります、コレステロールレベル。

< 180、74、M、 60、120>及び< 180、M、74、60、120>は変更された寸法、重量および性別の順序と同じではありません。