关于n维和n-1维欧式空间的理解（转）

转自：https://www.cnblogs.com/stevenlk/p/6497800.html 初学者看了个大概，理解不是很深，故转载以留以后逐渐理解

我们从小就说，“点动成线，线动成面，面动成体”，其中的空间的概念到底是啥？之前没有好好想过，在机器学习中多次遇到“空间”、“超平面”，“分割面”等概念，一会n维，一会儿n+1维，理解的有点模糊。今儿突然应该是彻底想明白了，记录一下。
　　
　　先抛出一个问题：x1+x2+2=0请问，是几维空间，对，是二维空间，那是平面，还是直线哪？
　　咦，二维空间，我们通常不是说二维空间是平面吗，但这里，怎么看都是一个直线方程啊。。。怎么理解 x1+x2+2=0 “二维的方程表达的是直线”，但同时通常说“二维平面”这一现象？
　　
　　二维本质是面，是指在两个变量没有任何的约束情况下的任意组合(基坐标的线性组合)a1x1+a2x2=ax 点 (a1,a2)，则所有点的集合即为整个平面。

　　如果，这个线性组合被约束了，比如：x1+x2+2=0，则相当于一个变量能被其他变量的线性组合表达，其本质是只有1个自由变量，所以本质上是被降了一维(n-1维)，所以看起来是二维的自由变量，本质上是一个自由变量，另外一个是因变量，故其本质是一维的“线”。

　　若果令 L=a0+a1x1+a2x2=ax(这里把截距单独拿出来了)，跟则在 L 根据 a的变化，可以表示二维平面中的任意一条直线，从这个角度理解，所有的直线的集合不就构成了面吗。并且，为了形式上的统一，二维空间中的任意一条直线L，可以表达为：a0+a1x1+a2x2=0

形式。

　　在机器学习中，为了将这个 0作为应变量(类别) y的比较对象，将几何意义直线 L的作为代数表达 y=0 ：
　　上面的例子中，若 y 为 x1+x2+2=0 的直线，如果令 y=2则 y=x1+x2+2=2相当于该直线向下平移了2个单位距离，因此在SVM中，本质上使用距离的度量去表示因变量(样本类别)——==整个SVM模型的研究坐标空间只有特征空间(最后一个坐标是第n个自变量xn，不是因变量 y)==。因此，有了 y=x1+x2+2=0 这条直线(超平面)，可以很方便的写出超平面的上下方区域的代数形式：x1+x2+2>0 为下半面，x1+x2+2<0 为直线的上半面——大于0在直线左边，小于0在直线右边。至于到底是上方还是下方，则看直线的斜率——斜率为正，大于0则在上方；否则在下方。
　　
注：
　　由于我们是在二维平面上讨论 y=x1+x2+2 这个三个变量的事情，相当于在将三维空间的事情，放在二维空间上来讨论，用直线位置的变化来表示第三维的变量的取值；如果上升一个坐标维度，放在三维空间内讨论，那么就是正类、负类分别散落在平面y=0

的散点图：

关于隐函数和其求导，这边文章写的挺好，可以看看：
《小谈导数、梯度和极值》

转载于:https://www.cnblogs.com/Hiker-xianyu/p/8615422.html

关于n维和n-1维欧式空间的理解（转）相关推荐

关于n维欧式空间上梯度，Hesse矩阵的定义及两个重要结论
关于n维欧式空间上梯度,Hesse矩阵的定义及两个重要结论下面给出证明过程:
图卷积（1）——从欧式空间到非欧式空间
图卷积(1)--从欧式空间到非欧式空间普通卷积神经网络多维欧式空间局部空间响应卷积参数共享活性卷积一般卷积神经网络处理的数据都是规则排序,输入维度固定的,比如语音序列.图像像素或者视频帧, ...
图卷积神经网络笔记——第一章：系统性地介绍，卷积为什么要从欧式空间转到非欧式空间
第二章链接. 目录一.人工神经网络发展浪潮二.卷积计算与神经网络结构 1.卷积定理 2.基本概念--卷积 3.基本概念--池化.全连接 4.多层卷积神经网络 5.现代卷积神经网络结构基础 -- L ...
欧式空间与酉空间——概念区分
欧式空间: 设V是实数域R上的线性空间,在V上任意两向量x.y按某一确定法则对应于唯一确定是的实数,称为内积,记为(x,y),满足以下性质: 1)对称性(x,y)=(y,x): 2)可加性(x+y ...
【转】欧式空间与酉空间——概念区分
原文地址:https://blog.csdn.net/zhongkejingwang/article/details/43053513,转载主要方便随时查阅,如有版权要求,请及时联系. 欧式空间: 设 ...
线性代数与解析几何——Part4 欧式空间酉空间
线性代数与解析几何--Part4 欧式空间 & 酉空间 1. 欧氏空间 1. 定义 & 性质 2. 内积表示与标准正交基 3. 欧氏空间的同构 4. 欧氏空间的线性变换 5. 欧氏空间 ...
网络运维和网络安全运维就业前景如何?
随着互联网以及科技的高速发展,衍生出了许多的新奇职业,比如网络运维.网络安全运维.从字面意思理解,两者之间没有什么太大区别,因此很多人很容易将两者混淆.那么网络运维和网络安全运维有什么区别?以下是详细 ...
欧氏空间内积定义_线性代数 (8) -- 欧式空间 (让生活大不同)
以欧式空间中的概念描述概率论中的基本知识. 期望是垂直投影, 条件期望也是垂直投影. 相关系数是二面角的余弦值. 设样本集合 , 且发生的概率为 , , 且 . 设随机变量 , 换句话讲, 我们可以 ...
有没有人被向量空间、内积空间、欧式空间、希尔伯特空间、巴拿赫空间概念折磨的？
第一篇,记录一下.看到CSDN年度描述说这个号有15年代码龄,惭愧,都是业余兴趣看看而已,啥都不会问个问题,有没有人被向量空间.内积空间.欧式空间.希尔伯特空间.巴拿赫空间这些概念折磨的够呛 ,被吓 ...
欧氏空间距离和内积_欧式空间、内积空间和赋范空间之间的关系
满意答案 stalbn 2014.05.18 采纳率:44% 等级:12 已帮助:6557人 (1)赋范向量空间是具有"长度"概念的向量空间.是通常的欧几里德空间 Rn 的推 ...

关于n维和n-1维欧式空间的理解（转）

转自：https://www.cnblogs.com/stevenlk/p/6497800.html 初学者看了个大概，理解不是很深，故转载以留以后逐渐理解

关于n维和n-1维欧式空间的理解（转）相关推荐

最新文章

热门文章