今天的计算机视觉基础课听了斯坦福C231N的两个视频,然后啥都没懂,搜了一下博客,稍微学一下,希望大概能理解个概念。
KNN
看了这篇博客,看了中文的材料之后立马知道是在干什么了,想听懂英文课,虽然带了字幕(感觉是字幕翻译不到位的锅,反正甩了再说,免得影响心态),果然还是很难。
k-NearestNeighbor,k最近邻,就是判断某一个样本类型的时候,找他k个最近的邻居,大多数邻居是什么类型它就判定成什么类型。这么一看,马上就觉得knn不是看视频的时候那个云里雾里的东西了。
然后再回过来看视频配套的ppt,这一部分:
左图是标记好类型的图片,希望对右图第一列的每张图片,找到k个最近的邻居。所以才顺理成章地引出下面的问题:如何比较两张图片的距离?
于是有了像素值对应直接相减,将差值相加的这第一种思路:
但是距离的选择是一个hyperparameter,超参数。看视频的时候很懵,后来查了查,超参数就是需要人工确认的参数,另一种从数据学习和评估