线性分类

英文: Linear Classification.

Parametric Approach

线性分类器:

$$f(x_i,W,b)=W{x}_i+b$$

输入:

• $x_i$: 图像数据.
• $W$ (weights): 权重.
• $b$: 偏差.

输出:

• n 个值, 分别表示每种图像类型的可能性.

解释

直线

将图像看成高纬的点.
可以看出线性分类器函数类似一个直线的斜截式方程($y=kx+b$).

从上图可以很直观的看出该方法所存在的问题, 同类型的图像不一定都能被直线所分割, 所分割的也不一定都是同类型的图像.

模板

将 y 设为 1, 算出 x 的值并将结果可视化.

将分类过程看作是检查图像和模板的相似度, 与 kNN 不同的是使用内积而不是 L1, L2 距离.

损失函数 (Loss function)

用于识别分类器的好坏.

评论