logistic_regression-exercise.ipnb
中的填空softmax_regression-exercise.ipnb
中的填空本次作业分为三个部分:
使用基于某种核函数(线性,多项式或高斯核函数)的SVM 解决非线性可分的二分类问题,数
据集为train_kernel.txt 及test_kernel.txt。
分别使用线性分类器(squared error)、logistic 回归(cross entropy error)以及SVM(hinge error) 解
决线性二分类问题,并比较三种模型的效果。数据集为train_linear.txt 及test_linear.txt。
三种误差函数定义如下(Bishop P327):
其中, 为类别标签。
MNIST数据集包括60000张训练图片和10000张测试图片。图片样本的数量已经足够训练一个很复杂的模型(例如 CNN的深层神经网络)。它经常被用来作为一个新 的模式识别模型的测试用例。而且它也是一个方便学生和研究者们执行用例的数据集。除此之外,MNIST数据集是一个相对较小的数据集,可以在你的笔记本CPUs上面直接执行