5月深度学习班第2课高效计算基础与图像线性分类器

这节课主要是讲了些基本的numpy，scipy和线性的分类器（图像上面，比如knn），还讲了下一些损失函数

一：numpy，scipy和线性的分类器（图像上面，比如knn）主要讲代码

注意;axis=0 表示列  axis=1表示行

numpy.random.rand(d0, d1, ..., dn),(创建一个给定类型的数组，将其填充在一个均匀分布的随机样本[0, 1)中)

x.argmin()   #求最小值的下标

x.argmax()  #求最大值的下标

注意：多维的时候必须加上（）

二：损失函数：主要是两大类

cost function、loss function、 objective（客观度）

1：hinge loss(也就是支持向量机上面使用的损失函数)

　　计算向量的之间的得分差别多少，直接相减，比较大小

　　

2：softmax损失函数

      直接先取e再归一化，再log求和

　　

3：平方差函数