计算机视觉的深度学习 Lecture2 笔记 EECS 498.008

Lecture2

498_FA2019_lecture02

KNN可视化

没有测试集、只有测试集都是很糟糕的。要有验证集，验证集只使用一次、且在训练了足够时间之后。
不过这样可能会导致最后才发现算法的效果不好。
更好的解决思路：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-L6Ch9xSz-1683821266597)(img/Pasted%20image%2020230405190338.png)]
需要较高的算力。

KNN理论上可以拟合几乎所有函数${}^{\ast }(学过数学分析的会给出一堆不能拟合的奇奇怪怪的函数)$，但是会受到维度诅咒：

要对图上的蓝点进行分类，每多一个维度，所需要样本量就要翻几倍，指数增长之后没办法收集到如此多的数据。
例如$32\times 32\times 2$的灰度图像，就需要数据集达到$2^{32\times 32}\approx 10^{308}$的数量来训练（4挑1就是$4^{32\times 32}$），这根本不可能，而且这还是非常小的数据。