key：knn，線性分類器，資料驅動
1.nearest neighbor 最近鄰居分類器：分訓練集和測試集
資料集：cifar10
匹配方法：l1 distance（or 曼哈頓距離），對應位置畫素之差的絕對值加和，最小即最近
2.k-nearest neighbor(knn)：由k個最近鄰居投票得出分類結果，即k個鄰居中，屬於哪一類的鄰居多，則被分類點就屬於哪一類
3.hyperparamenters 超引數：無法直接獲得的or自行設定的，非直觀的引數，如上述的k or distance metric（度量距離）
1.概覽：線性分類器（linear classifier）在神經網路中如同一塊塊積木；模板化的思想，即w
2.線性分類的形式化表示：f(x,w)=wx + b ，其中x為輸入（這裡是將的畫素，由二維轉成n * 1的向量）；w是分類器（設定好的），是一組針對不同型別的權重值，是乙個m * n的矩陣，每行對應一類（or感興趣的特徵）；b為偏置項，用以調整資料的獨立縮放比例，偏移量，設定資料獨立偏好值，針對某一類的（如資料集中cat多於dog，則cat對應的偏置值會高於狗）
1.概述：不人為設定引數，由資料提供大量選擇（後續補充）
CS231n Lecture2 線性分類
1 概述 我們將要實現一種更強大的方法來解決影象分類問題，該方法可以自然地延伸到神經網路和卷積神經網路上。這種方法主要有兩部分組成 乙個是評分函式 score function 它是原始影象資料到類別分值的對映。另乙個是損失函式 loss function 它是用來量化 分類標籤的得分與真實標籤之間...
CS224n lecture3課程導學
詞向量的表示方法一般有兩種，一種是one hot representation 獨熱編碼，稀疏表達 還有一種是distributed representation 稠密表達 一般用到的都是分布式表達的詞向量表示方法。word2vec是稠密表達的一種演算法，是一種自編碼的無監督訓練演算法。word2v...
CS231課程筆記翻譯
完結！cs231n官方筆記授權翻譯總集篇發布 智慧型單元 知乎專欄 cs231n課程筆記翻譯 影象分類筆記 上 智慧型單元 知乎專欄 cs231n課程筆記翻譯 影象分類筆記 下 智慧型單元 知乎專欄 cs231n課程筆記翻譯 線性分類筆記 上 智慧型單元 知乎專欄 cs231n課程筆記翻譯 線性分類...