線性分類器

• 評分函式(score function)：計算原始資料到所屬分類的得分
• 損失函式(loss function)：量化預測得分和實際情況之間的認可度

從影象到標籤得分的引數對映

定義評分函式 $f:R^D-$

• 一些需要注意的點：
  假設W是一個[10*3072]的向量，b是一個[10*1]的向量。

1. 對於每一個 $x_{i}$，乘積 $Wx_{i}$用於預測十個獨立的分類，W中的每一行代表一個分類。
2. 我們希望正確的分類在所有分類中評分最高
3. 優點：訓練資料用於確定合適的引數W,b，一旦學習完成，我們就可以拋棄所有的訓練集，僅需儲存訓練得到的W和b。
4. 對於測試資料的分類僅包含一個矩陣的乘法和加法運算，計算時間將會明顯快於將測試資料與所有的訓練資料進行比較。