第二周【任务2】学习线性分类器

学习内容提要：

第二讲：图像分类

·6 线性分类器

• 对于32323一张图彩色图，f(x,w)线性分类器与knn区别
• 线性分类器模型函数f(x,w)=wx+b （可以看成一种模板匹配方法）
• 线性分类器的缺点也就是存在的问题
  Ps: f(x,w)线性分类器与knn区别？线性分类器的缺点也就是存在的问题

·homework

作业：训练KNN分类器（assignment1 中的 knn.ipynb）

打卡内容：

1. f(x,w)线性分类器与knn区别
   f(x,w)线性分类器是一个参数化的方法，我们将总结我们对训练数据的认识，并把所有知识都用到参数W中，在测试时，我们不再需要实际的训练数据，只需要这些参数W，提高模型的效率；
   knn是非线性分类器，在其算法中没有设置参数，我们会保留所有的数据集，并在测试时使用 ，模型效率低。

2. 线性分类器为什么可以看成一种模板匹配方法
   矩阵中的每一行对应着图像的某个模板，通过计算图像的列和模板的行的点积我们可以得到这个类的模板和图像像素之间有一个相似之处。

3. 线性分类器的缺点也就是存在的问题

   • 每一个类别只能学习一个模板
   • 对于下图一些情况不适用
     

4. 分析代码实现的任务是什么，每个函数模块实现的功能是什么，代码运行的逻辑