【cs231n学习笔记（2017）】——— KNN

最新推荐文章于 2025-10-30 20:18:59 发布
原创 最新推荐文章于 2025-10-30 20:18:59 发布 · 1.1k 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。

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
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。
【2017年cs231n学习笔记2】Lecture3 损失函数 最优化
EmpGro的博客
11-06 1428
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
KNN算法：原理、实现与评估
最新发布
AgiaozzZ的博客
10-30 653
KNN算法作为机器学习中最基础的分类算法之一，其简单直观的原理和实现方式使其成为初学者学习机器学习的理想起点。通过合理选择K值、进行特征标准化、使用合适的距离度量，可以有效提升KNN的分类性能。在模型评估方面，应避免仅依赖准确率，而应结合混淆矩阵、ROC曲线、PR曲线等多维度指标进行综合评估。对于类别不平衡问题，F1分数和PR曲线是更合适的评估指标。尽管KNN存在计算复杂度高等局限性，但通过适当的调优和特征工程，它在许多实际应用场景中仍能发挥重要作用。
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
2017CS231n笔记1.课程简介
老毛的博客
05-28 406
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...
【cs231n学习笔记（2017）】—— 线性分类
(｡◕‿◕｡)
06-03 589
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，...
斯坦福cs231n计算机视觉——KNN，线性分类器(上)
Sousky的博客
10-15 551
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...
【cs231n学习笔记（2017）】——— 课程作业assignment1及拓展（KNN）
(｡◕‿◕｡)
05-30 1400
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): ...
精选资源
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（一） KNN method in Image classification
weixin_74760903的博客
02-16 1146
—写在之前，究竟什么是图像分类问题？一张图片在计算机视角看来是这样的，具体而言是：计算机能看到它整体的像素宽（pixel wide），像素高（pixel tall），以及每一个像素点的RGB三通道值。我们要做的是将计算机看到的这个三维数组映射到一个我们事先打算分类的标签中。（这里提供一个231n中的例子）这篇blog主要谈谈我对K-nearest neighbor classifier在图像分类任务中的应用。
2017CS231n笔记_总览
KKALL1314的博客
02-14 643
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。 ...
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
2017CS231n笔记5.CNN
老毛的博客
06-07 381
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...
2017CS231n笔记_S1课程介绍
KKALL1314的博客
02-14 481
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...
cs231n学习笔记-2017
JachinMa的博客
05-11 1513
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
02-14 567
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
06-24 411
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 1848
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
11-19 566
cs231n笔记，知乎翻译全篇（1年前），看起来比看视频快一些。
CS231n作业1：KNN中的matplotlib配置
"这篇资源主要介绍了在CS231n课程作业1的KNN（K-最近邻）部分中使用的两个关键Python函数：plt.rcParams和auto_reload。plt.rcParams用于自定义matplotlib库的图形属性，而auto_reload则是在Jupyter notebook中实现...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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