[机器学习入门] 李宏毅机器学习笔记-25（Sturctured Linear Model；结构化预测-线性模型）

[机器学习入门] 李宏毅机器学习笔记-25（Sturctured Linear Model；结构化预测-线性模型）

PDF	VIDEO

---

Structured Linear Model

这里写图片描述

Problem 1

$\phi_1(x,y)$$\phi_2(x,y)$ $\phi_3(x,y)$ 代表一个value. 也就是说 x，y在具有特征一时的强度是$\phi_1(x,y)$，同理特征二、特征三。 将这组值，乘上从training data中得到的weight w1.w2，w3.

这里写图片描述

加入F（x，y）写成这样子，那么problem3就不是问题了。

这里写图片描述

每一个维度都是一个feature，
那么这些feature该怎么寻找呢？
train 一个CNN，把image丢进CNN中，output一个vector就可以很好地代表里面的东西，所以可以用deep learning来抽feature。

这里写图片描述

example：summarization

这里写图片描述

example：Retrieval

这里写图片描述

---

Problem 2

Inference: How to solve the “arg max” problem
穷举所有的y，寻找max，但我们先假装这个问题已经被解决了。

这里写图片描述

然后就有了第三个问题，希望找到一个F(x，y)

这里写图片描述

举个例子来说

这里写图片描述

红色的只有一个，是正确的，而蓝色的有千千万万个。

这里写图片描述

这里写图片描述

我们希望找到一个W，做到上面的每一个点通通与w做inner product，使所有红星得到的值大于蓝星的值，所有红点得到的值，大于蓝点的值。

这里写图片描述

Solution of Problem 3

并不像想象中的那么难。

Algorithm

这里写图片描述

example

这里写图片描述

这里写图片描述

这里写图片描述

得到一个新的w
还要继续算，检查一遍

这里写图片描述