cs231n--p5图像分类-k最邻近算法


title: cs231n–p5图像分类-k最邻近算法
author: chenzengguang
index_img: /img/knn.webp
sticky: 0
categories:

  • DeepLeanring
    tags:
  • 人工智能

cs231n–p5图像分类-k最邻近算法

K-Nearest Neignbors:Distance Metric

L1的距离取决于你选择的坐标系统,如果你转动坐标轴将会改变点之间的L1距离,而改变坐标轴对L2的距离毫无影响

cs231n--p5图像分类-k最邻近算法_第1张图片

cs231n--p5图像分类-k最邻近算法_第2张图片

超参数:像K和距离度量这样的选择

question1、

在什么情况下L1距离要比L2距离表现的好:

回答:这主要和要解决的问题相关,它很难说在哪种情况下一个比另一个更好,但是我认为因为L1有这种坐标依赖,它实际上依赖于数据的坐标系统,如果你知道你有一个向量,向量的各个元素,可能有意义,比如你也许处于某种原因要对员工进行分类向量的不同元素对应着员工的不同特征,这种情况下L1表现的更好

吧数据分为三组,训练集,验证集,测试集

cs231n--p5图像分类-k最邻近算法_第3张图片

交叉验证:

cs231n--p5图像分类-k最邻近算法_第4张图片

交叉验证的结果

cs231n--p5图像分类-k最邻近算法_第5张图片

这两组图片的L2距离相同(构造出来的)

cs231n--p5图像分类-k最邻近算法_第6张图片

维度灾难:

cs231n--p5图像分类-k最邻近算法_第7张图片

小结:

KNN介绍了图像分类的基本思路借助训练集的图片和相应的标记我们可以预测测试集中数据的分类

knn作业:

KNN介绍了图像分类的基本思路借助训练集的图片和相应的标记我们可以预测测试集中数据的分类

knn作业:

cs231n--p5图像分类-k最邻近算法_第8张图片

你可能感兴趣的:(cs231n学习,算法,分类,人工智能)