Lecture 2

課程內容記錄：（上）https://zhuanlan.zhihu.com/p/20894041?refer=intelligentunit

（下）https://zhuanlan.zhihu.com/p/20900216

numpy文檔翻譯：https://zhuanlan.zhihu.com/p/20878530?refer=intelligentunit

1．最近鄰分類器(NN)：

a[0]為第一行像素。圖片像素轉換形成的numpy矩陣（800,500,3）中，第一個參數為像素行數，第二個參數為像素列數，第三個參數是通道數。

2．關於L1和L2距離（KNN）：

如果離原點距離都是1的話，L1距離的點如圖所示，比如第一象限（0.5,0.5）滿足上圖。L2距離則為圓，（sinx,cox）滿足上式，所以L1距離有坐標軸的依賴性，而L2距離對坐標軸旋轉變換不變。所以如果你的向量具有某種實際意義，與坐標軸的關系明確，那麽L1是比較好的選擇。

從上圖我們可以看到，L1距離得到的分類決策邊界更傾向於沿著坐標軸的方向（因為這時距離最大，最容易形成邊界），而L2只是形成了最自然的形狀。

3．關於k折交叉驗證和k最近鄰算法：

k最近鄰算法（kNN）是考慮離觀察點最近的k個點並讓他們投票決定誰是最近的點。而k折交叉驗證是將訓練集分成k份，兩個k是完全不同的。

Cs231n課堂內容記錄-Lecture2