机器学习如何处理多维数据？

Question

我undertand怎样的不同投入的加权和如何使用它来计算成本，基本上是这样的：

而且它如何被用来做更深层次的网络，但如何将网络处理像rgb-image，其中一些数据被继承捆绑在一起？

Answer 1

假设我们有w * h个像素（w =宽度，h =高度）的图像。最简单的方法是简单地创建w * h * 3输入节点;对于每个像素，三个输入节点（一个用于R值，一个用于G值，一个用于B值）。有了足够大的训练数据集，以这种方式拆分数据应该不成问题。

你是对的，你最初确实会丢失一些信息;网络结构中没有内在的东西可以告诉它前三个输入节点在某种程度上是相互关联的（同一个像素），之后的三个节点也是如此，等等。如果有足够多的训练数据，它应该理论上）能够接受这样的模式。

根据问题域，简单地摆脱颜色信息也可能是有益的。相反，您可以将图像转换为灰度，然后您只需要每个像素一个输入节点。很明显，你也会这样失去信息，但是对于一些信息可能不必要的任务（并且摆脱它可以使你的训练在计算上更有效率）。