机器学习&图像处理基本概念笔记整理

Regression: 回归。连续地输出为某些值。

Classification: 分类。离散地输出为某些值中的一个。

注：Logistic Regression是一种分类的方法，服从二项分布。

 

Regularization: 正则化。减小特征变量数量级，用以防止过拟合。By 加惩罚项

Normalization: 归一化（规范化）。统一量纲，加快收敛性。By softmax函数

Generalization: 泛化。泛化能力好时，在测试集上可以取得和训练集上相近或相同的识别率。

 

图像的插值：

在图像的放大和缩小的过程中，需要计算新图像像素点在原图的位置，如果计算的位置不是整数，就需要用到图像的内插，如双线性插值算法。

插值：在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。线性插值，即插值函数为一次多项式的插值方式。进一步地，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。双线性插值是数据分析中的一种常用算法。

双线性插值的过程理解：https://blog.csdn.net/xbinworld/article/details/65660665