向量外积为什么可以用于特征交叉?
作者:互联网
1、前面的碎碎念:)
前置知识1
首先说明一点(敲黑板),机器学习所谓的外积指的是Outer Product,Outer Product线性代数中的外积( WikiPedia: Outer Product ),中文称为张量积 ,计算如下:
前置知识2
百度搜索向量外积一般指的都是解析解和中的Exterior Product( WikiPedia: Exterior Algebra ),又叫叉乘( WikiPedia: Cross Product )即两个向量的法向量,计算如下:
2、可能导致读者误导的原因?
1、中文翻译问题。
2、博客出品着似是而非误导。
3、在机器学习领域有哪些典型引用?
机器学习领域外积默认为Outer Product,就当约定俗称吧。
1、DCN特征交叉
参考
1、https://www.zhihu.com/search?type=content&q=DCN%E6%96%B9%E6%B3%95%E6%9C%89%E9%97%AE%E9%A2%98
2、https://www.jianshu.com/p/f58a8b30f460
番外篇
内积在机器学习领域有哪些典型应用?
1、计算相似度
答:内积的定义为a向量在b向量上面的投影,可以理解为是强度指标。
2、在没有归一化的前提下,向量内积为何能够体现相似性?
答:余弦相似度度量的是夹角大小,两者只是不同的度量维度,视情况使用即可。(问题引自知乎:https://www.zhihu.com/question/401015407)
标签:Product,Outer,交叉,E6%,外积,www,向量 来源: https://blog.csdn.net/qq_22866291/article/details/122429295