數據 + 計算資源
我們很難靠 演算法 + 特徵 去辨識每個種類 因此只有靠機器自行學習
d1(I1,I2)=∑P∣I1P−I2P∣d_1(I_1,I_2)=\sum_P|I^P_1-I^P_2|d1(I1,I2)=P∑∣I1P−I2P∣
d2(I1,I2)=∑P(I1P−I2P)2d_2(I_1,I_2)=\sqrt{\sum_P(I^P_1-I^P_2)^2}d2(I1,I2)=P∑(I1P−I2P)2
http://vision.stanford.edu/teaching/cs231n-demos/knn/
f=Wx+bf = Wx + bf=Wx+b
是指不能從資料中學到的參數 例如 KNN 中的 k 或 距離 function
如果選定了模型,可以重新在整個訓練集上訓練,會增加一些正確率