Python视觉深度学习系列教程 第一卷 - 第8章 参数化学习

        第一卷 第八章 参数化学习

        与上一章K-NN相比，更理想的方法是定义一个机器学习模型，该模型可以在训练期间从我们的输入数据中学习模式（需要我们在训练过程中花费更多时间），但具有被少量模型定义的好处无论训练规模如何，都可以轻松用于表示模型的参数。这种类型的机器学习称为参数化学习。参数化学习是现代机器学习和深度学习算法的基石。

         一、线性分类简介

        1.1、参数化学习的四个组成部分

        数据：数据包括数据点（即来自图像的原始像素强度、提取的特征等）及其相关的类标签。通常，我们用多维设计矩阵来表示我们的数据。

        评估函数：评分函数接受我们的数据作为输入并将数据映射到类标签。例如，给定我们的一组输入图像，评分函数获取这些数据点，函数f（我们的评分函数），然后返回预测的类标签。