1、前面的碎碎念:)
1.1 线性代数–Outer Product
首先说明一点(敲黑板),机器学习所谓的外积指的是 线性代数 中的外积( WikiPedia: Outer Product ),中文称为张量积 ,计算如下:
1.2 解析几何–Exterior Algebra/Cross Product
百度搜索向量外积,一般展示的是 解析几何 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、博客出品者似是而非误导,或者不知道读者不知道。
3、没捋清楚自己所在Field是线性代数or解析几何。
3、在机器学习领域有哪些典型应用?
机器学习领域外积默认为Outer Product,就当约定俗称吧。
DCN特征交叉
参考:
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,可以理解为是投影强度指标。
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。
引自知乎:在没有归一化的前提下,向量内积为何能够体现相似性?