计算机视觉相关课程
使用KNN分类CIFAR-10,32*32像素
L1曼哈顿距离
最近邻分类图片的问题:数据噪声失真
L2:欧式距离
超参数选择
还有就是深度学习中不常用的交叉验证
KNN做图像分类的缺点
KNN的维度灾难
线性分类模型:为每个类别学习到一个模板
线性分类器的弊端
损失函数
多分类SVM的合页损失函数
Softmax损失函数
优化器:梯度下降
深度学习没有特征提取
计算机视觉相关课程
使用KNN分类CIFAR-10,32*32像素
L1曼哈顿距离
最近邻分类图片的问题:数据噪声失真
L2:欧式距离
超参数选择
还有就是深度学习中不常用的交叉验证
KNN做图像分类的缺点
KNN的维度灾难
线性分类模型:为每个类别学习到一个模板
线性分类器的弊端
损失函数
多分类SVM的合页损失函数
Softmax损失函数
优化器:梯度下降
深度学习没有特征提取