First Classifier: Nearest Neighbor
训练过程就是记录所有的数据点,在预测阶段对每一条记录(一个图像)与原有数据集进行比较,得出与之最相近的一条记录,其label就是最后的预测值。通常使用的 Distance Metric 来比较图像:
L1依赖于坐标系,当坐标轴转动时L1值随之改变,而L2不会。
KNN
选择K个最近的邻居,随着K的值越大,你的决策边界也会越来越光滑,降噪提高robust
Cross Validation 在数据集比较小时非常有用,但是在deep learning 里不太适用,因为deep learning 通常需要很大