线性分类器:为了简单,下面只讨论二分类问题(cs231n)学习笔记
1.1 SVM: 从图像角度理解SVM
假设我们把一张图像的rgb三通道展开为一个vector,用x表示。
这样,我们的数据从Image1 ,2 ... N 变到 x1 ,2,...N。xi是向量
我们就可以用如下函数进行线性分类:
f(x,W,b)= Wx + b; //liner classifier
1.2 如何判断我的模型:W、b的好坏呢?
lose function : 基本原则,分类界限好,希望损失小。
分类界限不好,甚至错误,希望损失大。
我们用Li表示第i个样本的数据损失:
Li = LossFunction(f(xi,W,b),yi) 注:在svm中f(xi,W,b)是一个score
这个值不是越小越好,因为可能对于你当前的数据集,这个值非常小。
但是对于别的数据集肯能非常不好。原因是出现了过拟合。把噪音也进行了拟合。
因此加上一个正则项R(W),来调整 .
综上:Li = LossFunction(f(xi,W,b),yi&