非常有趣的机器学习中向量以及它和标记值组成的高维空间

讨论

基础的机器学习中，总会涉及示例向量和标记值，如何理解这些向量是一个非常有趣的问题

先从简单的开始讨论

先从我们常见的男女分类来看，如果你不能将一个人和另外一个人分开，则内卷地加入高矮、胖瘦、美丑、学历、籍贯、家世等不同的属性，直至足够多的属性加入，总可以将其区分开来。

男	女	身高	体重	美丑	学历	籍贯	家世

这些属性之间可能并不完全独立，但都含有信息量，都可以贡献出它们的区分价值。

如果从根源来讲，在哲学上认为世界上没有两片相同的树叶，你总可以发现一些不同，将其区分开来！

我们可以认为，以上的男女属性数据组成了一个特别的向量数据。

古怪的向量数据

向量数据的形成

• 可以用已有通用知识和领域知识进行采样，然后形成向量数据

使用决策树、支持向量机等机器学习技术将其分类或回归

• 仅可以获得全信息量的图片信息，但图片中包含的信息不能够充分描述

可以使用深度学习的机器学习技术进行暴力求解，进行黑盒式机器学习

机器学习的幸运

我们面临的世界是可以被理解的。
即使对于混