要把抽像的概念或公式等映射为现实中实体，越上层越好，比如将向量映射为速度等，往往一个抽象概念能代表很多实体。科学家是将实体的规律变为抽象的概念便于说明。然而学习者也要按照这个顺序学习。比如我就想现实中什么东西什么属性能抽象为向量。也可以反向思考，根据具体事物思考如何将他抽象为向量。其实就是知道抽象概念的具体用处（这在学习数学前一定要搞清楚，能够增强动力）。
cnn在处理像素时为什么采用向量形式，像素只有大小哪有方向？方向可以理解为相对位置，因为像素之间是有联系的，所以可以把他抽象为向量
向量的形式，基于某点的剪头
包含的信息：某坐标与原点连线长度，基于原点参考系的某坐标的位置，似乎和物理的参考系联系起来了。坐标系可不就是参考系吗
方向的本质是相对位置，相对位置的本质就是参考系，相对论说明的是不同参考系的物理规律是一样的
那么求欧拉距离，也就是两个向量的距离，不就是基于方向的原理，如果只有长度信息，怎么算两个向量的距离。所以cnn使用向量是为了方便测试数据与训练数据计算距离。
为了测出两个实体的差异度。就可以将两个实体的属性抽象为向量数据。这就是向量的用处啊。
所以为了测出小明和小红的差异度，可以将小明，小红的的共有属性抽象为向量的一维，比如性别，身高，是否变态，（1，1.5，0）（1，1.7，1）其中性别与变态属性有两种数值形式1，0。接下来我就可以计算小明和小红的差异度了。那么knn不也类似吗，把图像每个位置的像素抽象为向量的一维，继而计算两个图像的差异度。
两个向量根据其相对方向的属性又可以理解为两个参考系，那么两个向量的距离也是两个参考系的差异度，两个参考系有差异但是自然规律是一样的，那么一定有什么东西抵消了这种差异。
一个维度是构成不了向量的，多于两个维度就形成了方向。
网友评论