← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9846.s · 生成模型:Hunyuan

最近邻判别与识别输出

理解等级:中级

识别阶段的核心是把待识别图片投影到 PCA 子空间后,找训练集中与之最接近的那个投影。predict 先把 minDist 设为浮点最大值、minClass 设为 −1,将输入 XI reshape 成行向量并投影得到 Q;然后遍历 projections 里的每个训练投影,用 dist_metric 计算与 Q 的距离,若小于当前最小距离就更新 minDist 和对应的类别标签 minClass,遍历结束返回 minClass。这是最典型的最近邻判别:不做复杂分类边界,直接以距离最近的样本类别作为答案,因此距离函数的选择(欧氏距离或夹角余弦)直接影响结果。执行时把测试图片的标签与 predict 输出对比,示例中实际值 3、预测值 3,说明整条 PCA 加最近邻链路可用。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法原理与编程实践》第9章 人脸识别中的机器学习(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00031.html) - 结论依据:原文给出 predict 的初始化、投影、遍历比较与返回标签的逻辑,并给出实际值与预测值一致的示例输出,支撑对最近邻判别流程的概括。 - 原始内容:dist = self.dist_metric(self.projections[i], Q) if dist < minDist: minDist = dist minClass = self.y[i] return minClass