线性分类器由权重矩阵 W 、偏差向量 b 、评分函数、损失函数这几个关键部分组成。
一、权重矩阵 W (Weights)
权重矩阵 W 是由所有分类对应的模板向量 w 组成的矩阵。
二、偏差向量 b (Bias Vector)
b 为偏差向量,假如不设置 b ,则所有分类线都会通过原点,就起不到分类作用了。
三、评分函数(Score Function)
f ( x i , W , b )= W x i + b
评分函数是从原始图像到类别分值的映射函数,使用线性方程计算分数。
四、损失函数(Loss Function)
损失函数可以计算预测分类和实际分类之间的差异。通过不断减小损失函数的值,达到减小差异的目的,从而得到对应 W 和 b 的值。