如何想象多维矩阵?

2021-11-20 14:33:30 +08:00
 cernard

如题,最近在学 ML ,有很多矩阵的概念。一维二维以及三维的空间关系都可以想象,它们对应的现实场景也能理解,但是再多维度的矩阵就难以理解了,请问有什么技巧去理解吗?还是把高维的矩阵看做黑盒,理解每个维度的功能并且能够使用即可?

另外说点题外话,在学习 ML 的过程中,感觉自己总是容易陷入细节的陷阱中,比如梯度下降的算法如何推导,想要手动去推导从微分到梯度下降的过程;想要理解 Backpropagation 细节,想要手动推导 Neural 的传播。但是我不是数学专业的,高数也早还给了老师,而且并不打算以 ML 养家糊口,单纯扩展一下技能面,这样抠细节让我感觉学习效率太低耗时太长了,也让我感觉学习的比较困难,如何解决这种问题呢?

2348 次点击
所在节点    机器学习
15 条回复
villivateur
2021-11-20 14:35:14 +08:00
就我对线性代数的理解,高维空间不需要去想象,直接用数学方法去表示、计算就行了
cernard
2021-11-20 14:40:45 +08:00
@villivateur 但是我感觉自己容易陷入细节的牛角尖,让自己单纯去用而不去理解的话挺难受的
villivateur
2021-11-20 14:51:32 +08:00
@cernard 高维空间人类无法想象,你不可能去想象一个你从没见过的东西
Jooooooooo
2021-11-20 15:18:11 +08:00
身高 /年龄 /收入 /体重 就是思维数据也不需要想象啊.
Jooooooooo
2021-11-20 15:18:18 +08:00
四维*
zooo
2021-11-20 15:20:25 +08:00
同样机器学习
cver 最近也在思考这样
结论是机器学习的确要求很深的数学功底
然而深度学习...目前是个黑盒子,没有具体理论指导
ronman
2021-11-20 15:24:36 +08:00
<amp-youtube data-videoid="zwAD6dRSVyI" layout="responsive" width="480" height="270"></amp-youtube>看看这个视频,也许有点帮助
zooo
2021-11-20 15:26:08 +08:00
想象不到的..
@zooo
dji38838c
2021-11-20 16:05:41 +08:00
取决于你学习是为了什么呢
如果真的想学懂,细细扣慢慢学也挺好,因为学习本身就是乐趣。高数缺就补高数好了。
如果只是为了给就业增加筹码,大致看看,准备下面试例题就好了。
Exin
2021-11-20 16:28:06 +08:00
咱的硬件(大脑)不支持的
khaki
2021-11-20 16:32:16 +08:00
维度并不特指空间维度啊,你看维基百科的定义:“是描述对象状态所需的独立参数(数学)或系统自由度(物理)的数量”,维度表示的是数量啊,一个矩阵有 N 组独立特征,我们就称矩阵是 N 维的,哪里需要想象空间什么的...
cernard
2021-11-20 16:44:32 +08:00
@khaki
@Jooooooooo
谢谢解释,确实这样,我有点钻牛角尖了,总是想要从可视化角度来理解
cernard
2021-11-20 16:45:12 +08:00
@dji38838c 确实原因是为了给现在的工作增加更多的筹码,不过也想搞懂,挺贪心的哈哈
ekidona
2021-11-20 16:49:14 +08:00
CV 人回答一下, 常用的 feature map 也无非是 NCHW / NCDHW / NLCGhGw 这些非常 trivial 的东西不存在维度难以想象啥的,你如果非要“想象”一个高维的东西本质是你是在尝试把一个高维结构 project 到你能认知的几何维度上,是不完备且没必要的。而你说的 bp/SGD 这些东西都是非常浅显的,熟能生巧。真正哪里梯度出问题了熟练了还是比较好找的。
wlwlwan
2021-11-20 18:29:09 +08:00
冰冰是你吗 /

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/816763

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX