Cs231n课堂内容记录-Lecture2

Posted yun-an

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Cs231n课堂内容记录-Lecture2相关的知识,希望对你有一定的参考价值。

Lecture 2

课程内容记录:(上)https://zhuanlan.zhihu.com/p/20894041?refer=intelligentunit

                         (下)https://zhuanlan.zhihu.com/p/20900216

numpy文档翻译:https://zhuanlan.zhihu.com/p/20878530?refer=intelligentunit

1.最近邻分类器(NN)

a[0]为第一行像素。图片像素转换形成的numpy矩阵(800,500,3)中,第一个参数为像素行数,第二个参数为像素列数,第三个参数是通道数。

2.关于L1和L2距离(KNN):

 技术分享图片

如果离原点距离都是1的话,L1距离的点如图所示,比如第一象限(0.5,0.5)满足上图。L2距离则为圆,(sinx,cox)满足上式,所以L1距离有坐标轴的依赖性,而L2距离对坐标轴旋转变换不变。所以如果你的向量具有某种实际意义,与坐标轴的关系明确,那么L1是比较好的选择。

 技术分享图片

从上图我们可以看到,L1距离得到的分类决策边界更倾向于沿着坐标轴的方向(因为这时距离最大,最容易形成边界),而L2只是形成了最自然的形状。

3.关于k折交叉验证和k最近邻算法:

k最近邻算法(kNN)是考虑离观察点最近的k个点并让他们投票决定谁是最近的点。而k折交叉验证是将训练集分成k份,两个k是完全不同的。

 

以上是关于Cs231n课堂内容记录-Lecture2的主要内容,如果未能解决你的问题,请参考以下文章

Cs231n课堂内容记录-Lecture 6 神经网络一

Cs231n课堂内容记录-Lecture 9 深度学习模型

Cs231n课堂内容记录-Lecture 7 神经网络二

)

『cs231n』RNN之理解LSTM网络

CS231n第八课:目标检测定位学习记录