线性分类（Linear Classification）

参考：https://www.cnblogs.com/ooon/p/5869504.html

定义：在机器学习领域，分类的目标是指将具有相似特征的对象聚集。而一个线性分类器则透过特征的线性组合来做出分类决定，以达到目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。
从图像到标签分值的参数化映射：该方法的第一部分就是定义一个评分函数，这个函数将图像的像素值映射为各个分类类别的得分，得分高低代表图像属于该类别的可能性高低。
在 CIFAR-10 中，我们有一个数量为50000的训练集，这些图像被分为10个类别。
线性分类器：

x为输入图像，即需要划分类别的图像。W为权重矩阵，其每一行就是针对某一类别图像的参数。可以构建多种多样的f（x），但是其中最简单就是f（x）=Wx，这就是线性分类器。
输入的图像为32323，我们把它展开为一个30721的一维向量，我们要得到的输出是101（分为10类），由此可得知W是103072大小的矩阵。