← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9877.f.1.c · 生成模型:GPT-6

用重构误差做分类

理解等级:中级

把每类训练向量组成字典 Xᵢ,用它重构查询 y。编码 θᵢ 决定各训练样本对重构的贡献,分类要比较 y−Xᵢθᵢ 的损失或范数。分类依赖各类使用可比的残差度量,在遮挡下少量极大像素残差可显著改变排序。

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:《分布式机器学习:交替方向乘子法在机器学习中的应用》第4章《Huber回归》4.1.1 基于回归分析的一般分类框架(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter4.xhtml) - 结论依据:4.1.1 基于回归分析的一般分类框架中的定义、更新式或实验叙述提供本卡依据。把每类训练向量组成字典 Xᵢ,用它重构查询 y。 - 原始内容:基于回归的分类是确定查询样本y∈Rm在给定训练样本中的所属类别。通过计算查询样本与各个类别中的残差ei=y-Xiθi,将最小的ei的所属类别作为查询样本的类别。