机器学习与深度学习面试系列十七（Embedding初步）1
需积分: 0 128 浏览量
2022-08-03
16:13:01
上传
评论
收藏 1.21MB PDF 举报
机
器
学
习
与
深
度
学
习
⾯
试
系
列
⼗
七（
E
m
beddi
n
g
初
步
）
什么
是
表
示
？
为了
提
⾼
机
器
学
习
系统
的
准
确
率
，
我
们
需
要
将
输
⼊
信
息
转
换
为
有
效
的
特
征
，
这
就
是
：
表
示
。
⼀
般
⽽
⾔
，⼀个
好
的
表
示
具
有
以
下
⼏
个
优
点
:
1.
⼀个
好
的
表
示
应
该
具
有
很强
的
表
示
能
⼒
，
即同
样
⼤
⼩
的
向
量
可
以
表
示
更
多
信
息
。
2.
⼀个
好
的
表
示
应
该
使
后
续
的
学
习任
务
变
得
简
单
，
即
需
要
包
含
更
⾼
层
的
语
义信
息
。
3.
⼀个
好
的
表
示
应
该
具
有
⼀
般
性
，
是
任
务
或
领
域
独
⽴
的
。
虽
然
⽬
前
的
⼤
部
分
表
示
学
习
⽅
法
还
是
基
于
某
个
任
务
来
学
习
，
但
我
们
期望
其
学
到
的
表
示
可
以
⽐
较
容
易
地
迁
移
到其
他任
务
上
。
局
部
表
示
和
分
布
式
表
示
？
以
颜
⾊
表
示
为例
，
如
果
要
在
计
算
机
中
表
示
颜
⾊
，
局
部
表
示
的
⽅
法
是
以
不
同名
字
来
命名
不
同
的
颜
⾊
，
也
称
为
离
散
表
示
或
符
号
表
示
。
局
部
表
示
通
常
可
以
表
示
为
on
e
-
h
ot
向
量
形式
。
on
e
-
h
ot
向
量
为
有
且
只
有
⼀个
元
素
为
1
，
其
余
元
素
都
为
0
的
向
量
。
另
⼀
种
表
示
颜
⾊
的
⽅
法
是
⽤
RGB
值
来
表
示
颜
⾊
，不
同
颜
⾊
对
应
到
R
、
G
、
B
三
维
空
间
中
⼀个
点
，
这
种
表
示
⽅
式
叫
做
分
布
式
表
示
。
分
布
式
表
示
叫
做分
散
式
表
示
可
能
更
容
易
理
解
，
即
⼀
种
颜
⾊
的
语
义
分
散
到
语
义
空
间
中
的
不
同
基
向
量
上
。
分
布
式
表
示
通
常
可
以
表
示
为低
维
的
稠
密
向
量
。
颜
⾊
的
表
示
局
部
表
示
优
点
:
1.
这
种离
散
的
表
示
⽅
式
具
有
很
好
的
解
释
性
，
有
利
于⼈
⼯
归
纳
和
总
结
特
征
，
并
通过
特
征
组
合
进
⾏
⾼
效
的
特
征
⼯
程
。
2.
通过
多
种
特
征
组
合
得
到
的
表
示
向
量
通
常
是
稀
疏
的
⼆
值
向
量
，
当
⽤
于
线
性
模
型
时
计
算
效
率
⾮
常
⾼
。
局
部
表
示
不
⾜
:
1.
on
e
-
h
ot
向
量
的
维
数
很
⾼
且不
能
扩
展
。
如
果有
⼀
种
新
的
颜
⾊
，
我
们
就
需
要
增
加
⼀
维
来
表
示
。
剩余10页未读，继续阅读
评论0