文章目录
分类器设计
1. 线性分类器
1.1 图像类型：略
1.2 图像表示：大多数分类算法都要求输入**向量**
1.2.1 最简单的方法
1.3 分类模型
1.3.1 线性分类器定义
1.3.3 线性分类器的分界面
1.4 损失函数
1.4.1 损失函数定义
1.4.3 正则项与超参数
1.5 优化算法
1.5.1 什么是参数优化
1.5.2 各类优化算法
1.6 数据集划分
1.7 数据预处理
分类器设计
1. 线性分类器
知识点分布：
1.1 图像类型：略
1.2 图像表示：大多数分类算法都要求输入向量
1.2.1 最简单的方法
直接将图像矩阵转化成列向量
1.3 分类模型
1.3.1 线性分类器定义
线性分类器是一种线性映射，将输入的图象特征映射为类别分数。 通过w和b进行线性变换，给x一个分数
其中，w：d行1列 第i个类的分数最高，决策结果就是第i个类
例： 任务即为为图片分配类别标签，以线性分类器实现。 决策过程，单纯以权值乘图像表示，加上偏移量最终的得分高低来评判。
矩阵表示：
其中，w行数由类数决定，列数由图像表示的长度决定。
具体如下： 1.3.2 线性分类器的权值向量：w