例如:
笛卡爾座標系,極座標系,地心座標系,球座標系,柱座標系等等
假設乙個笛卡爾座標系 經過平移(x,y)可以生成乙個新的笛卡爾座標系,
新座標系上的點 在 原座標系 的座標 都像是進行了(x,y)的平移,
而原座標系上的點在新座標系中都發生了(-x,-y)反向偏移
例如: 某個維度的 開始點,結束點,或者半徑規則,或函式規則例如:
立體空間中的點投影到乙個平面上 去掉了z軸分量,只剩下 x,y軸分量,
平面中的點投影到一維數軸上 ,去掉了y分量,只剩下x分量
低維領域不同型別的資料投影到高維領域,需要不同的運算規則
對乙個禁止物體從不同角度進行拍照,每張**的領域都是不同的
對乙個運動的物體從同乙個角度進行拍照,**的領域雖然一致,但是因為物體在運動,所以物體位置出現了變化
機器學習新視角5 投影
就是把一系列資料 對映到新的領域內 形成的新的表現 中選取表現最佳的 資料,或對映到不同的領域中,選取最佳的表示 就好像在王者榮耀中的 你投影到了乙個召喚師身上 這裡的區域就是王者榮耀的戰場,每一局都是乙個新的投影 就比方 在太陽下 你的身體投影到了地面形成的影子 這裡的區域就是太陽找到的地面,每個...
組織學習 DevOps的新視角
在devops社群中，我們談論了很多有關自動部署，每天執行多個部署以及文化需求的問題。我想與您分享尚未廣泛討論的內容，但我認為同樣重要 組織學習的好處。讓我們花一點時間來看一下完全採用devops原理和實踐的組織的外觀。我們能夠適應高變化率，這使我們能夠滿足我們的組織要求並且使我們的競爭超出預期。我...
機器學習 搜尋的視角
2018 12 19 原來的時候，就看了那片博士 將機器學習巢狀為搜尋的框架 那篇 的題目是 機器學習為什麼能工作 文章 1 是將構造乙個學習系統作為了搜尋問題。他的搜尋目的，是選擇演算法 模型 引數 資料等這些內容。原來的時候，那本 集體智慧型程式設計 的書，中間穿插了乙個章節的啟發式演算法來講搜...