【cs231n学习笔记（2017）】——— KNN

最新推荐文章于 2025-06-03 21:41:00 发布
原创 最新推荐文章于 2025-06-03 21:41:00 发布 · 1k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文是作者学习斯坦福计算机视觉课程cs231n的心得，主要探讨KNN算法，包括L1（曼哈顿距离）和L2（欧式距离）的距离计算及其区别。作者指出L1距离会因坐标轴改变而变化，而L2则不受此影响，同时讨论了两者在不同场景的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

好久没写博客了，最近有点忙，然后自己也有点懒。。。。。。
最近确定自己要搞计算机视觉方向，然后就开始看斯坦福的cs231n课程，准备写系列博客记录自己的学习过程及心得。
———————————–————以下是正文——————————————————–

KNN(K-邻近算法)
L1 distance: 曼哈顿距离

表达式：

d1(I1,I2)=∑p|I
最低0.47元/天 解锁文章

200万优质内容无限畅学
深度学习斯坦福cs231n 课程笔记
ACM 【程式=演算法+資料結構】@蜡笔小轩V
07-03 1万+
前言对于深度学习，新手我推荐先看UFLDL，不做assignment的话，一两个晚上就可以看完。毕竟卷积、池化啥的并不是什么特别玄的东西。课程简明扼要，一针见血，把最基础、最重要的点都点出来 了。 cs231n这个是一个完整的课程，内容就多了点，虽然说课程是computer vision的，但80%还是深度学习的内容。图像的工作暂时用不上，我就先略过了。 突然发现这两个课程都是斯坦福的，牛校就是牛。
斯坦福cs231n计算机视觉——KNN，线性分类器(上)
Sousky的博客
10-15 530
week 1  10/11-10/14 计算机视觉综述：cs231n_2018_lecture01 观看视频p1和p2热身，了解计算机视觉概述以及历史背景。观看p3了解整门课程的大纲。   学习数据驱动的方法和KNN算法和线性分类器[上]：cs231n_2018_lecture02 观看视频p4,p5和p6学习图像分类笔记上（链接：https://zhuanlan.zhihu.com/p...
2017CS231n笔记1.课程简介
老毛的博客
05-28 382
概述 由帅气的Justin Johnson开场，大概寒暄一下，了解一下课程，讲师团队等，上个图感受一下： 计算机视觉历史背景 整个课程就这里能看到大牛现身，短短30分钟的介绍，分三个部分： 生物学上有关视觉的一些发现，例如：由澳大利亚某科学家发现在某一段时间上，生物种类大幅增长，究其原因就是视觉的出现，捕食，逃跑各种视觉刺激了生物的进化，还讲了科学家如何研究猫咪脑神经对于视觉的反应（虐猫），再...
KNN算法详解
最新发布
weixin_48102891的博客
06-03 1467
K最近邻（K-Nearest Neighbors, KNN）是机器学习中最直观、最易理解的算法之一。它的核心思想简单到令人惊讶——"物以类聚，人以群分"。当你需要预测一个新数据点的类别时，只需查看它在数据集中最近的"邻居"们如何分类。选定离自身距离最近的K个邻居样本（相似度最高），在这K个样本中如果有某个类别的邻居占比最大，那么我们将要预测的样本也归为这一类别。
【cs231n学习笔记（2017）】—— 线性分类
(｡◕‿◕｡)
06-03 560
关于线性分类器的理解 基本表达式： f(xi,W,b)=Wxi+bf(xi,W,b)=Wxi+bf(x_i,W,b)=Wx_i+b 这个表达式有点眼熟啊，让我们来回忆一下机器学习里的线性回归基本表达式： hθ(x)=θTX+θ0hθ(x)=θTX+θ0h_\theta(x)=\theta^TX+\theta_0 是不是很类似？不过回归与分类是两类问题，线性回归一般是用线性函数来构造模型，...
2017CS231n笔记_总览
KKALL1314的博客
02-14 622
写在开始： 2020年1月26日，开始学习2017CS231n 斯坦福李飞飞计算机视觉识别课程。该博客为课程的笔记，希望能够监督自己学习。课程链接：https://www.bilibili.com/video/av58778425?p=20。课程课件：http://cs231n.stanford.edu/slides/2017/。所写博客中的图以及代码均来自于视频课程或者课件。 ...
2017CS231n笔记5.CNN
老毛的博客
06-07 364
文章目录概述CNN的发展历史神经网络发展简史CNN发展简史视觉之外的CNN（CNN Without the the brain stuff） 概述 在线Latex公式 本节包含三块内容： 1、CNN的发展历史 2、视觉之外的卷积神经网络 3、卷积和池化（重点） 虽然学习了李宏毅的CNN，明白了CNN的构架以及CNN比DNN好在什么地方，但是这里讲的有些内容李的课里面貌似没有讲。所以就捡没有讲过的内...
【cs231n学习笔记（2017）】——— 课程作业assignment1及拓展（KNN）
(｡◕‿◕｡)
05-30 1375
构建模型 L1模型 代码实现： import numpy as np class KNN_L1: def __init__(self): pass def train(self,X, y): self.X_train = X self.y_train = y def predict(self, x): ...
在做cs231n作业一的knn时，遇到问题总结和解决办法
01-06
2、CSDN的CS231n课程学习笔记（一）——KNN的实现 目前是按照知乎上的来做的，做的过程中遇到一些问题和解决办法，现总结如下： 在终端输入 ipython notebook 或者 jupyter notebook 打开Jupyter。 Jupyter ...
【CS231n】斯坦福大学李飞飞视觉识别课程笔记
热门推荐
种树最好的时间是10年前，其次是现在！！！
04-06 1万+
最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元，比较详细地翻译了课程笔记，我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（一）：Python Numpy教程(1) 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（二）：Python Numpy教程(2)...
2017CS231n笔记_S1课程介绍
KKALL1314的博客
02-14 463
目录 S1.1CV概述 S1.2CV历史背景 S1.3课程后勤 S1.1CV概述 定义 计算机视觉(computer vision,CV)是对视觉数据的研究，是一个多学科交叉的领域（物理，生物学，心理学，计算机科学，数学，工程学）。这些年，视觉数据呈爆炸式地增长，这很大程度上得益于世界上许许多多的视觉传感器。这些传感器每天能产生大量的视觉数据，这些数据构成了网络上传输的大部分数据。然而...
2017年CS231n课程讲义（pdf）
07-17
2017年斯坦福大学经典课程cs231n的讲义，共16个pdf,每个pdf为一节课。pdf为高清英文原版，适合初学者入门深度学习
CS231N 2017spring斯坦福计算机视觉课 配套PPT及笔记
04-09
CS231N 2017spring斯坦福计算机视觉课 配套PPT及笔记。上课PPT，课堂笔记，以及课后作业详细代码。分享给大家
【2017年cs231n学习笔记2】Lecture3 损失函数 最优化
EmpGro的博客
11-06 1408
这节课的主要内容： 1. 定义一个损失函数（loss function），用将训练集代入其中获得的评分来量化W的好坏。 2. 找到一个高效的方法来寻找使损失函数最小的W，（我们称其为最优化optimization）损失函数首先我们定义损失函数的一般形式： 对于一个数据集 Xi代表输入进入分类器的图像像素数据，Yi代表你希望得出的标签。 我们定义其损失函数的一般形式为： 损失函数定
cs231n学习笔记-2017
JachinMa的博客
05-11 1491
chapter-1 chapter-2 chapter-3 chapter-4 chapter-5 chapter-6 chapter-7 chapter-8 chapter-9 chapter-10 chapter-11 chapter-12 chapter-13 chapter-14 chapter-15 chapter-16
2017CS231n笔记_S10循环神经网络
KKALL1314的博客
02-14 509
目录 S10.1循环神经网络(Recurrent Neural Networks,RNN) S10.1.1RNN通用架构 S10.1.2RNN的5种类型 S10.2语言建模(Language Modeling) S10.2.1字符级语言模型例子 S10.2.2反向传播 S10.3RNN应用 S10.3.1图像标注 S10.3.2视觉问答Visual Question Answer...
2017CS231n笔记8.深度学习软件
老毛的博客
06-24 392
本节包含两个内容： - CPU vs GPU - Deep Learning Frameworks Caffe / Caffe2 Theano / TensorFlow Torch / PyTorch 本节从软件、硬件两个方面来看待学习深度学习的工具，虽然目前还没真正开始实践，只是在学ng的深度学习是用的TF，其他的框架还不熟悉，希望学完这个课程会有一个大概的了解。
2017CS231n学习笔记1-图像分类
JIEER_Wu的博客
02-26 1814
文章目录2 图像分类2.1 数据驱动方法第一个分类器:最近邻分类器L1距离（曼哈顿距离）最近邻分类器Python代码2.2 K-最邻近算法L2距离（欧氏距离）k-Nearest Neighbor分类器（KNN）实际应用k-NN2.3 线性分类器 2 图像分类 2.1 数据驱动方法 步骤 step1：收集图像和标签的数据集Collect a dataset of images and labels...
cs231n笔记
emmaczw的博客
11-19 549
cs231n笔记，知乎翻译全篇（1年前），看起来比看视频快一些。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值