深度学习从入门到不想放弃-6-Toy模板网

这篇具有很好参考价值的文章主要介绍了深度学习从入门到不想放弃-6。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

这节要讲完距离基础部分就真完事了，不继续在基础中求得基础了，我发现也没人看

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

书接前文深度学习从入门到不想放弃-5 (qq.com)

前文书写到要合理的设计特征是什么概念，我们再拿两个例子复习一下

比如一个卖车网站，上节我们讲过对物体识别可以用RGB来表示颜色的维度，那在卖车网站合适吗，其实是不合适的，因为，RGB潜在就有颜色大小区分，比如深蓝，浅蓝，有大小就会产生算法倾斜；那对于一个卖车网站，颜色就15种，你直接one-hot编码15个维度的向量就可以了

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

另外比如下图是一个企业级的社交网络简化版，我们就可以通过各个同事之间的关系，来通过one-hot来实现关系的表达

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

但是这个东西放微信或者微博里又基本扯淡了，因为上亿用户，所以另一个结论，特征设计，抛开量级不谈即使同一场景也是耍流氓

由上图也引出了我们今天的内容远近，比如AB和CD究竟谁和谁的关系最好，我们就拿向量的远近来衡量，这个远近就叫做向量距离！

如果两个向量通过距离进行相似度比较，那么以下几条是基本要求：

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

1-欧氏距离

我们都知道两点之间的距离，线段最短

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

但是这是针对点来说的，可是我们面对的对象是两个向量做比较，比如：

深度学习从入门到不想放弃-6,人工智能,机器学习,深度学习,AIGC,agi

在这种情况下，我们就需要把两个向量的所有的维度分别做减法，然后进行平方，再做加和做开方，这样的目的是保证欧氏距离不会出现负数，满足基本要求里的非负性文章来源地址https://www.toymoban.com/news/detail-805345.html

到了这里，关于深度学习从入门到不想放弃-6的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

深度学习从入门到不想放弃-6