1、数学的重要性
在机器学习与深度学习中需要大量使用数学知识,也给很多初学带来困难的主要原因之一。下图可以看数学主题对机器学习和数据科学的重要性。
2、向量(Vector)
向量被认为是连续或离散的数字数组,由向量组成的空间称为向量空间。向量的空间维度可以是有限的或无限的,但机器学习和数据科学问题处理的是固定长度的向量。向量(Vector)是有大小和方向的量,其实就是一串数字,如(1,2)。
例如,
temp = torch.FloatTensor([23,24,24.5,26,27.2,23.0])temp.size()
在机器学习中,我们处理多维数据。因此向量变得非常重要,并被视为任何预测问题陈述的输入特征。
3、标量(Scalar)
标量被称为零维,仅包含一个值。说到 PyTorch,它不包含一个特殊的零维张量;标量(Scalar)是只有大小,没有方向的量,如1,2,3等。
例如,
x = torch.rand(10)x.size()
4、矩阵(Matrice)
大多数结构化数据通常以表格或特定矩阵的形式表示。我们将使用一个名为 Boston House Prices 的数据集,该数据集可在 Python scikit-learn 机器学习库中轻松获得。矩阵(Matrix)是好几个向量拍成一排合并而成的一堆数字,如[1,2;3,4]。
boston_tensor = torch.from_numpy(boston.data)boston_tensor.size()boston_tensor[:2]
输出:
Columns 0 to 70.0063 18.0000 2.3100 0.0000 0.5380 6.5750 65.2000 4.09000.0273 0.0000 7.0700 0.0000 0.4690 6.4210 78.9000 4.9671Columns 8 to 121.0000 296.0000 15.3000 396.9000 4.98002.0000 242.0000 17.8000 396.9000 9.1400
免责声明:以上内容(如有图片或视频亦包括在内)有转载其他网站资源,如有侵权请联系删除
-
设计总结|如何更好地表达活动品牌?
-
谈谈“目标思维”的落地
编辑导读:我们在做数据分析之前,一定要搞清楚需求方的目标到底是什么,要根据目标来重新定义业务方提出的问题,这就是目标思维。目标思维有多重要呢?应该如何落地呢...
-
在线教育平台竞品分析:网易云课堂vs腾讯课堂
本文从移动端出发,对当前比较热门的两款在线教育平台软件-网易云课堂和腾讯课堂进行比较和分析,不足之处还请大家多提意见。 市场分析 随着国内互联网技术的发展和移...
-
即学即用|父亲节活动的4种运营策略
-
B端产品经理和体验设计师的工作职责边界梳理
-
豆果美食电商分支用户体验报告及建议
-
数据分析师如何提高工作效率
在我们的日常工作中,提高工作效率是每个岗位都需要实现的,在工作中,面对比较凌乱的事情时,首先我们需要梳理清楚,按重要级进行开展;本文作者分享了关于...
-
2016中国云计算SaaS移动办公平台年度综合报告
-
网易大布局教育事业:网易公开课、网易云课堂和MOOC分析
-
一篇文章搞懂语音交互的来龙去脉