1.理解线性分类器
目前我了解学习的线性分类器有2个：SVM和逻辑回归（也就是SoftMax），这2个分类器的主体都是一样，不同的地方就是生成损失函数不一样。所以我先讲主体，再讲损失函数，关于线性分类器，大体就是这个样子：
图片说明：生成这三根直线就是三个线性分类器，如果生成了这三根直线后，后面再有测试集进来，在靠近那根直线向外，就是属于哪个分类器的。（当然这只是形象的理解，真实的不可能就在二维平面上就这样分类了，一般是在高维空间）
主体函数为：f(xi,W,b)=Wxi+b ，xi就是训练集里各个图片的特征向量，W是分类的模板向量也叫权重（从这里为了好理解可以直接理解上图的斜率），b是偏移向量（这里为了好理解可以理解为了让直线不仅仅是经过原点，更好的划分）。结合下图更好的说明：
假设图片是一个2*2的，把它化成一个列向量xi(上图的xi和b是我自己加的，原图没有)，左乘一个W权重，加上b就能得到这张图片为每一类的分数了。很明显上图的W和b不好，导致dog的分数很高，预测的结果和实际情况有很大的偏差。于是我们现在要想办法，去把这个偏差表示出来，拟人一点说，我们可以调整的是参数/权重W，使得这个映射的结果和实际类别是吻合的，就是我们希望我们的模型在训练的过程中，能够对输出的结果计算并知道自己做的好坏。而能帮助我们完成这件事情的工具叫做损失函数（loss function)。直观一点说，就是我们输出的结果和实际情况偏差很大的时候，损失/代价就会很大。损失函数的不同就产生了2种不同的算法：SVM和SoftMax.
2.损失函数
2.1 SVM(Support Vector Machine)
用一句精简的话来描述它，就是它(SVM)希望正确的类别结果获得的得分比不正确的类别，至少要高上一个固定的大小Δ
SVM的损失函数计算公式为：
Li为第i张图片的损失分数，
就是每一个得到的错误分数与正确分数相差多少，Δ就是你希望正确的应该比错误的大上多少，没大于Δ就是有损失的。形象解释如下图：
SVM并不关心某个图片损失分数是多少，但是在乎不同图片相差的损失分数。
但是只应用这个公式这里还会产生一个问题就是，你会根据训练集产生这样的分类器：
蓝色圆是训练集，曲线是分类器，这样的不像线性分类器（变得离散了），产生的原因就是：如果参数W能够正确地识别训练集中所有的图片(损失函数为0)。那么我们对W做一些变换，可以得到无数个使得能满足loss function=0的参数W。举例：
假定我们的输入图片像素矩阵是x=[1,1,1,1]，而现在我们有两组不同的W权重参数中对应的向量w1=[1,0,0,0]，w2=[0.25,0.25,0.25,0.25]。那我们很容易知道w1（T）*x=w2（T）*x=1 。（说明：括号里面的T为转置的意思）。那么这时我们不能分辨w1和w2哪个好，因此，我们需要正则来纠正，这里可以改为(wi^2)*x就能分别出来了：加了正则项之后，我们发现w2总体的损失函数结果更小(因为4*0.25^2<1)，于是我们的系统会选择w2，如下图：
加上正则（λR（W））之后就能趋近于线性了，那么测试集（绿色的砖块）也能比较清楚的划分了。关于正则有几种类型就不说了。
2.2 Softmax分类器
Softmax分类器从新的角度做了不一样的处理，我们依旧需要将输入的像素向量映射为得分f(xi; W) = W *xi，只不过我们还需要将得分映射到概率域。公式为：(我的理解它这里把b合到W里面去了)
这里有一张图就解释清楚了：
先把所有分数都经过e的指数，变为整数，然后归一化，然后得到正确的分类的可能性，然后再进过对数运算，因为归一化过，数的大小都在（0,1）之间，都为负数，所以加个负号好观察比较，得到的结果越接近0表明为1的概率越大，就越正确。
3.最优化与随机梯度下降
既然我们知道有损失函数了，那么我们就要尝试改变W使损失函数尽可能的降为0对吗，损失函数越小，表明W这个模板向量分类的正确性越高。
- 所以最直接粗暴的方法就是，我们尽量多地去试参数，然后从里面选那个让损失函数最小的，作为最后的W，但是这样的方法明显不是很好，不仅耗费的时间多而且正确率不高。
- 刚才的策略，我们说了，最大的缺点是非常耗时，且计算量也很大。我们一直在做的事情，就是在当前的位置基础上，想找到一个最合适的下降方向。我们依旧回到我们假设的那个情境，如果我们在山顶，要以最快的方式下山，我们会怎么做？我们可能会环顾四周，然后找到最陡的方向，迈一小步，然后再找当前位置最陡的下山方向，再迈一小步…而这里提到的最陡的方向，其实对应的就是数学里『梯度』的概念，也就是说，其实我们无需『伸脚试探』周边的陡峭程度，而是可以通过计算损失函数的梯度，直接取得这个方向。我们知道在1个变量的函数里，某点的斜率/导数代表其变化率最大的方向。而对于多元的情况，梯度是上面情况的一个扩展，只不过这时候的变量不再是一个，而是多个，同时我们计算得到的『梯度方向』也是一个多维的向量。大家都知道数学上计算1维/元函数『梯度/导数』的表达式如下
虽然上面的第二个通求W的“偏导数”能够很好实现梯度下降，但是当图片种类特别多（假设为N）时，而W的矩阵大小为N*N，当N大于一定数据量时，计算机处理就可能非常慢。又因为W是一个雅可比矩阵，是对每个元素分别进行运算，比如输入里面的第一个元素，只和输出的第一个元素有关，所以可以采用蒙特卡洛算法来随机采样，一般会选择2的倍数。
4.总结
- SVM其实并不在乎每个类别得到的绝对得分大小，举个例子说，我们现在对三个类别，算得的得分是[10, -2, 3]，实际第一类是正确结果，而设定Δ=1，那么10-3=7已经比1要大很多了，那对SVM而言，它觉得这已经是一个很标准的答案了，完全满足要求了，不需要再做其他事情了，结果是 [10, -100, -100] 或者 [10, 9, 9]，它都是满意的。
- 然而对于Softmax而言，不是这样的， [10, -100, -100] 和 [10, 9, 9]映射到概率域，计算得到的交叉熵损失是有很大差别的。所以Softmax是一个永远不会满足的分类器，在每个得分计算到的概率基础上，它总是觉得可以让概率分布更接近标准结果一些，交叉熵损失更小一些。
- 其实SVM和softmax一般是不会直接对像素进行分析的，因为那样环境对分类影响太大了，所以一般先会提取特征（方法有HOG，SIFT，SURF，ORB，其中HOG一般用于行人检测，SURF是SIFT的进化版本），然后分词带（BOW），最后再用分类器去建立模型，结果比较准确，当然这是在卷积神经网络（CNN）出现之前，在2012年ImageNet比赛中，CNN的准确度彻底压制了SVM这类算法，从此CNN进入了统治地位。
但是线性分类器还是无法分类一些东西，比如如下：
无法将蓝色区域和红色区域分开，这时候就要到后面的神经网络的激励函数解释去了。