摘要：接着上周的更，上周我们更到，在对图像的线性分类中，我们只用multi-class 的svm，然后我们得到以下的损失函数 这里每个数值代表为下： X 是一个 N by D 的矩阵，N 代表 training data 的数量，D 代表每个 training data 的维度 W 是一个 D by C 阅读全文

摘要：因为看cs231的时候用了一下multi-class的svm，所以又把svm给复习了一下，教材是周志华的西瓜书，这里是大概的笔记。 1.线性可分 对于一个数据集： 如果存在一个超平面X能够将D中的正负样本精确地划分到S的两侧，超平面如下： 那么数据集D就是线性可分的，否则，不可分。 w称为法向量，决 阅读全文

摘要：1. 先说仿射函数和线性函数 线性函数平常非常常见： 这里我们是将一个4维的向量最后投射到一个1维的值。不过这里注意，这个函数是经过原点的。 再看下仿射方程。 这里我们可以看下他们的区别 直观的区别就是会不会经过原点。 知乎上有大佬是这么解释“ 仿射函数即由由1阶多项式构成的函数，一般形式为 f ( 阅读全文