Tôi đang đọc cuốn sách của Kevin Murphy: Machine Learning - Một quan điểm xác suất. Trong chương đầu tiên, tác giả đang giải thích lời nguyền của chiều và có một phần mà tôi không hiểu. Ví dụ, tác giả nêu rõ:
Xem xét các đầu vào được phân phối đồng đều dọc theo một khối đơn vị D-chiều. Giả sử chúng ta ước tính mật độ của các nhãn lớp bằng cách tăng một siêu khối xung quanh x cho đến khi nó chứa phân số mong muốn của các điểm dữ liệu. Độ dài cạnh dự kiến của khối này là .
Đó là công thức cuối cùng mà tôi không thể có được. Có vẻ như nếu bạn muốn bao gồm 10% số điểm so với chiều dài cạnh nên là 0,1 dọc theo mỗi chiều? Tôi biết lý luận của tôi là sai nhưng tôi không thể hiểu tại sao.