【深度学习 理论】Classification

1.分类的应用

信用评分、医疗诊断、手写字体识别、人脸识别……

分类就是输入参数，通过某种模型计算后，输出所属类别：

仍然用“pokemom”的例子，每只宝可梦有6个参数，下面是皮卡丘的参数值：

 

2.Ideal Alternatives

 

3.How to do Classification

用一次线性分类比较容易实现，但是特殊数据集会使结果产生error：

通过在两个盒子中摸球的例子，考虑二分类思想。

先只考虑宝可梦的两个特征。

 

4.Gaussian Distribution（高斯分布）

不同的μ和Σ决定不同的高斯分布情况。

最大似然

动手计算（两个特征）：

利用2个特征求出的分类结果并不理想，用6个特征分类的结果仍不好。

5.优化模型

    

动手实现新的模型，分类效果提升。

Three steps:

简化函数

其实可以得到一个类似于线性的关系，这样更容易理解。（推导过程略）