CS231_深度之眼打卡_3

根据课程内容及网上相关内容记录笔记，仅学习使用

打卡内容：

1. f(x,w)线性分类器与knn区别

1.KNN分类器必须记住所有的训练数据并存储起来，以便未来测试数据比较，需要很大的空间
对一个测试数据需要与所有的训练数据进行比较，需要很大的计算资源和时间
2.KNN是不需要学习的，而线性分类器需要学习参数
3.线性分类器只能分类线性可分的数据。

2. 线性分类器为什么可以看成一种模板匹配方法

关于权重W的解释是它的每一行对应着一个分类的模板（有时候也叫作原型）。一张图像对应不同分类的得分，是通过使用内积（也叫点积）来比较图像和模板，然后找到和哪个模板最相似。从这个角度来看，线性分类器就是在利用学习到的模板，针对图像做模板匹配。从另一个角度来看，可以认为还是在高效地使用k-NN，不同的是我们没有使用所有的训练集的图像来比较，而是每个类别只用了一张图片（这张图片是我们学习到的，而不是训练集中的某一张），而且我们会使用（负）内积来计算向量间的距离，而不是使用L1或者L2距离。

3. 线性分类器的缺点也就是存在的问题

1. 每个类别只能有一个模板向量，若一个类别中有不同的变种，算法会在变种的特征做平均。
2. 数据在其所在的空间中可能不是线性可分的，如异或函数。

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

贴上b站上大佬的作业代码链接https://github.com/JPLAY0/CS231nAssignment