Каковы размеры в многомерном массиве в практическом смысле

Question

Я начинаю в области машинного обучения и хочу разобраться в «многомерном массиве». Мое текущее понимание таково. Пожалуйста, помогите мне, где я ошибаюсь.

Предположим, у меня есть данные о клиентах, мы можем ссылаться на клиентов как элементы .

Теперь предположим, что каждый элемент , то есть каждый отдельный имеет идентификационный номер клиента (CIN) - мы можем назвать это одномерной матрицей.

расширяя тот же пример,

теперь каждый элемент имеет список атрибутов, например CIN, Gender , Рост, вес, цвет глаз. Если я захочу расположить их, это будет двухмерная матрица. Строка, представляющая студентов, столбцы, представляющие их физические атрибуты: «Номер ролика, пол, рост, вес, цвет глаз».

Теперь предположим, что я добавляю еще один список различных атрибутов - историю прошлых покупок, т.е. дату последней покупки и номер счета.

Можно ли вызвать матрицу, которая имеет физические атрибуты «Номер рулона, Пол, Рост, вес, Цвет глаз» и «Дата последней покупки и номер счета-фактуры». это 3-мерная матрица?

Это группировка в физическую и историю покупок, которая сделает ее 3-мерной матрицей.

Я все еще могу сохранить ее как 2-мерную матрицу (например, таблицу) с физической историей и историей покупок в виде столбцов или как 2 листа с общей ссылкой как CIN.

Answer 1

Я думаю, вы запутались между размерами массива и размерами модели машинного обучения, также называемой функциями или независимыми переменными.

Когда вы обучаете модель, каждая часть информации, которую вы передаете модели, является объект или измерение. Так, например, номер рулона, пол, рост - это все характеристики. Если вы добавите дату последней покупки и счет-фактуру, это также будут функции. Если вы добавите все из них в фрейм данных, каждую строку фрейма данных можно представить как одномерный массив.

Группировка физических атрибутов и истории покупок, которая не превратит ее в 3-мерную матрицу .

Трехмерные массивы или массивы nD называются тензорами. Они совсем другие.