CS231n knn.ipynb作业

CS231n assignment1

KNN分类器

第一个作业的第一个问题，写KNN分类器，KNN的原理本身描述起来还是比较简单

这里再啰嗦两句，对KNN分类器的一些描述

KNN算法，只找最相近的那1个图片的标签，我们找最相似的k个图片的标签，然后让他们针对测试图片进行投票，最后把票数最高的标签作为对测试图片的预测。所以当k=1的时候，k-Nearest
Neighbor分类器就是Nearest
Neighbor分类器。从直观感受上就可以看到，更高的k值可以让分类的效果更平滑，使得分类器对于异常值更有抵抗力。

在完成knn.ipynb作业

一、在KNN中 对数据集可视化部分 用到的一些函数：

1. idxs = np.flatnonzero(y_train == y)
   这部分使用到了numpy.flatnonzero()，这个该函数输入一个矩阵，返回扁平化后矩阵中非零元素的位置（index）

   在作业中，是用来返回特定元素的位置，如果y_train 图的标签和当前y指向的classes是同一个类别的，则位置赋给idxs

2. plt.subplot(samples_per_class, num_classes, plt_idx)
   这部分使用了matplotlib.pyplot.subplot(XXX)：前两个数表示子图组成的矩阵的行列数