线性分类
英文: Linear Classification.
Parametric Approach
线性分类器:
\[
f(x_i, W, b) = Wx_i + b
\]
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.