Linear classifier
學(xué)習(xí)一個(gè)函數(shù)，輸入是x，其中x是圖像，W是參數(shù)(線性回歸中每一個(gè)
的系數(shù)),b為常數(shù)項(xiàng)，輸出是10個(gè)數(shù)字，代表歸屬于不同的類(lèi)。我們可以看下面的這個(gè)例子：假設(shè)一張圖片由2*2的像素表示，共有三類(lèi)，那上述公式的計(jì)算如下
可以看到被預(yù)測(cè)為貓的分?jǐn)?shù)為負(fù)數(shù)，代表選擇的W并不能很好的完成分類(lèi)任務(wù)，需要調(diào)整，如何調(diào)整呢？在調(diào)整之前現(xiàn)需要定義一個(gè)分類(lèi)好壞的標(biāo)準(zhǔn)。
損失函數(shù)
損失函數(shù)（loss function），它是用來(lái)量化預(yù)測(cè)分類(lèi)標(biāo)簽的得分與真實(shí)標(biāo)簽之間一致性的，如果它的值為0那么表示模型可以正確分類(lèi)所有的圖片，如果損失值非常高，那么圖片很難被正確分類(lèi)。簡(jiǎn)單來(lái)說(shuō)它是度量W的值好壞的一個(gè)標(biāo)準(zhǔn)。
