向量

简明解释

向量（vector）在本章的计算直觉中，是选定坐标与字段约定后有顺序的一组数；在机器学习计算中，常把一个样本的多项特征或模型的一组状态排成一维表示。TensorFlow 把向量作为 rank 1 张量，其 shape 给出这一轴的长度。[1, Basics; About shapes] 例如，表 4-1 的 A01 可按第 4 章的约定写成 [7200, 36, 1]，三个位置依次表示月收入 7200 元、工龄 36 个月，以及把邮编组 P1 编成 1。数字只有配合字段顺序、单位和编码规则才有意义；向量不是申请人本人，也不保证各分量可以直接比较；严格数学中的向量是向量空间的元素，一组坐标只是它在选定基下的表示。

别和什么混淆

向量不等于标量、矩阵或底层一维数组：它在本章是一维坐标表示；矩阵有两个轴，数组则是存储结构。

在本书中

见第 4 章：读懂 AI 所需的计算、数据与数学直觉。