3.1 损失函数
定义一个度量，评价任意某一个W表现优劣
损失函数，以W为输入，对比得分，定量评价W的好坏
从W的可行域中，挑选出表现最不差的，漫长的优化过程 极小化
SVM损失函数
安全边际
损失函数：各类别损失函数求值的和的平均数
正则化：鼓励模型选择更简单的w
标准损失函数包括：数据丢失项、正则项（以超参数λ平衡这两项）
正则：减少模型复杂度
softmax损失函数
3.2 优化
优化
slope 梯度下降 （有限差分法–原理）
解析梯度 数值梯度（调试工具-单元测试）
step 步长 学习率（第一个超参数）
随机梯度下降（减少单次计算损耗）
特征提取器 特征计算 颜色直方图、方向梯度直方图、边缘方向直方图
267
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
