这节课的主要内容:
1. 定义一个损失函数(loss function),用将训练集代入其中获得的评分来量化W的好坏。
2. 找到一个高效的方法来寻找使损失函数最小的W,(我们称其为最优化optimization)
损失函数
首先我们定义损失函数的一般形式:
对于一个数据集
Xi代表输入进入分类器的图像像素数据,Yi代表你希望得出的标签。
我们定义其损失函数的一般形式为:
损失函数定义后,我们就需要考虑Li的定以了,这节课介绍了两种Li的形式,第一种是多类支持向量机。
多类支持向量机损失(Multiclass SVM loss)
对于给定的数据 (xi,yi) ,和分类器函数 s=f(xi,W)
我们定以其Multiclass SVM loss为
首先我们知道, xi 的类别是 yi ,即在分类器得到的输出矩阵中,必然有一个元素是对应于 yi