我是ML领域的初学者，想了解“多维数组”。 我现在的理解是这样的。 请在我错的地方帮帮我。
假设我有客户的数据，我们可以将客户作为项目引用。
现在假设每个项目，即每个个体都有一个客户标识号(CIN)-我们可以将其称为一维矩阵。
扩展相同的示例，
现在每个项目都有属性列表，例如CIN，性别，身高，体重，眼睛颜色。 如果我想排列它们，它将是一个2维矩阵。 行代表学生，列代表他们的身体特征“卷号，性别，身高，体重，眼睛颜色”。
现在，假设我添加了另一个不同属性的列表--过去的购买历史，即上次购买日期和发票号。
我们能不能把一个同时具有物理属性的矩阵称为“卷号，性别，身高，体重，眼睛颜色”和“最后购买日期和发票号”。 这是三维矩阵吗？
它是将物理和购买历史的分组，这将使它成为一个三维矩阵。
我仍然可以存储它作为一个二维矩阵（像一个扩展表）与物理和购买历史作为列或像2个表与共同链接作为CIN。
我认为您正在混淆数组的维度和ML模型的维度（也称为特征或自变量）。
当您训练一个模型时，您传递给模型的每一条信息都是一个特征或一个维度。 例如，卷号，性别，身高都是特征。 如果您添加上次购买日期和发票，这些也是功能。 如果将它们全部添加到一个数据框架中，则可以将数据框架的每一行视为一个一维数组。
物理属性和购买历史的分组不会使其成为一个三维矩阵。
三维数组或n-D数组称为张量。 它们是完全不同的东西。
