一宣吱、首先是一種非訓(xùn)練的方式直接比較后進行歸類：
Nearest Neighbor:比較方式包括：L1距離旧找，L2距離等
K-Nearnest Neighbors：找出K個最近的instances垃杖；超參數(shù)包括類別數(shù)K，距離計算L1或L2的選擇。但是這種方法在圖像分類中很少使用，因為其效率很低同時距離的計算魯棒性不強邀层。
**常用的解決超參數(shù)選擇的問題的方法為：使用驗證集或當數(shù)據(jù)量不大時使用交叉驗證集，將數(shù)據(jù)集劃分成訓(xùn)練集遂庄，驗證集和測試集寥院。
二、線性分類器
對于不同的類別涛目，其在計算時可以直觀地將參數(shù)理解為模板匹配秸谢。如下圖：
**線性分類器的瓶頸：其只能解決線性可分的情況，對于一些線性不可分的情況則無法建立模型來實現(xiàn)準確的分類霹肝。如下圖中的情況：
那么接下來的工作便是確定分類參數(shù)W估蹄，這也是分類訓(xùn)練的基本原理：初始化模型參數(shù)，計算損失函數(shù)沫换，優(yōu)化參數(shù)是損失函數(shù)之最小化元媚。
三、神經(jīng)網(wǎng)絡(luò)用于分類
