实际意义上的多维数组中的维度是什么

Question

我是 ML 领域的初学者，想了解“多维数组”。我目前的理解如下。请帮助我哪里错了。

假设我有客户的数据，我们可以将客户称为items。

现在假设每个项目，即每个人都有一个客户识别号 (CIN) - 我们可以将其称为一维矩阵。

扩展同一个例子，

现在每个项目都有属性列表，例如CIN、性别、身高、体重、眼睛颜色。如果我想排列它们，它将是一个二维矩阵。行代表学生，列代表他们的身体属性“卷号、性别、身高、体重、眼睛颜色”。

现在假设我添加了另一个不同属性的列表 - 过去的购买历史记录，即上次购买日期和发票编号。

我们能否称一个具有物理属性“卷号、性别、身高、体重、眼睛颜色”和“最后购买日期和发票号”的矩阵。这是一个3维矩阵吗？

是否将其分组为实物和购买历史，这将使其成为一个 3d 矩阵。

我仍然可以将其存储为 2 d 矩阵（如电子表格），将物理和购买历史记录为列，或者将其存储为 2 个具有公共链接的表格作为 CIN。

Answer 1

我认为您对数组的维度和 ML 模型的维度（也称为特征或自变量）感到困惑。

当您训练模型时，您传递给模型的每条信息都是特征或维度。因此，例如 Roll No、Gender、Height 都是特征。如果您添加最后购买日期和发票，这些也是功能。如果将它们全部添加到数据框中，则数据框中的每一行都可以视为一维数组。

物理属性和购买历史的分组不会使其成为 3-D 矩阵。

3-D 数组或 n-D 数组称为张量。它们是完全不同的东西。