打开黑匣——机器学习特征篇之从矩阵到向量到矩阵
对于连接组机器学习来说,其特征(也可理解为自变量)就是功能连接矩阵,例如最常见的相关矩阵。
通常,特征以向量形式存在于分析过程中,即一行或者一列数据即为一个特征向量。而相关矩阵显然不满足这个要求,因此我们需要对它进行转换。有时候我们需要计算overlapping的边用于展示或者验证,又需要将特征向量投射回原来的矩阵。
对于连接组机器学习来说,其特征(也可理解为自变量)就是功能连接矩阵,例如最常见的相关矩阵。
通常,特征以向量形式存在于分析过程中,即一行或者一列数据即为一个特征向量。而相关矩阵显然不满足这个要求,因此我们需要对它进行转换。有时候我们需要计算overlapping的边用于展示或者验证,又需要将特征向量投射回原来的矩阵。