inngangsvektoren

Inngangsvektor er en vektor som koder egenskaper ved et enkelt dataeksempel og brukes som inngang i en matematisk modell, statistisk analyse eller maskinlæringsalgoritme. Ofte representeres en inngangsvektor som x i R^n, der n er antall kjente egenskaper. I et datasett tilsvarer hver rad en inngangsvektor, mens kolonnene representerer individuelle egenskaper.

Egenskapene som inngangsvektoren inneholder kan være av forskjellig type. De kan være kontinuerlige tall, binære verdier eller kategoriske verdier som er kodet numerisk (for eksempel one-hot-encoding). I praksis kan inngangsvektorer være høy-dimensjonale og ofte normaliserte eller standardiserte før modelltrening for å gjøre egenskapene sammenlignbare og stabilisere beregningene.

Bruksområder og representasjon varierer mellom felt. I maskinlæring brukes inngangsvektorer som input til modeller som lineære regresjoner, beslutningstrær, støttevektor-maskiner og nevrale nettverk. I dyp læring behandles ofte batches av inngangsvektorer med formet som (batch_size, n). I numeriske metoder kan inngangsvektorer brukes i operasjoner som matrise-multiplikasjon eller beregning av avstander mellom datapunkter.

Forbehandling er vanlig for å bedre modellens ytelse. Dette inkluderer standardisering eller normalisering av verdier, håndtering av manglende data, samt dimensjonsreduksjon eller funksjonsvalg. Avstander og likhet mellom inngangsvektorer, for eksempel ved bruk av euclidisk avstand eller kosinuslikhet, brukes ofte som del av lærings- eller vurderingsprosesser.

Eksempler inkluderer ordvektorer i natural language processing, utledede trekk i bilder (f.eks. flattenede bildemønstre), eller sensorverdier i tidsserier. Inngangsvektorer er fundamentale byggesteiner i mange dataanalyse- og maskinlæringspipelines.