这篇博客探讨了图像分类的不同表示方式，包括二进制、灰度和RGB图像，并详细解释了线性分类器如何通过权值和图像列向量进行决策。它还介绍了损失函数作为衡量分类器性能的标准，以及如何评估预测值与真实值之间的不一致程度。
图像分类：二进制图像（0，1），灰度图像（0-255），彩色图像（R G B）
图像表示：【大多数分类算法都要求输入向量】
线性分类器决策：每一类的权值 点乘 上这张图像的列向量 再加上偏移值 分别得到一个分数，比较分数，分数最高即为最优选择
【行数由类别个数决定】
矩阵表示形式：
线性分类器的决策边界 就是最终分数等于0的线，线的两边是两种决策结果
判断分类器效果的标准：损失函数
损失函数：用于度量给定分类器的预测值与真实值的不一致程度，它的输出通常是一个非负实数（损失值）
【 如果最终计算的值高于其他值，但是差值不超过1，则肯定有损失值（两个值的差值和1差了多少，即为损失值）】
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
