为何逻辑回归模型可以实现图像分类?
来源:2-7 神经元实现(二分类逻辑斯蒂回归模型实现)
慕桂英雄
2019-04-30
刚学完机器学习,逻辑回归是可以分类,比如说特征是身高,体重,年龄,性别,来分类这个人是胖或是瘦之类的问题。用逻辑回归很有用可解释性也高,但是图像为何也能??
而且原来的data属于0-255的分布,为何这样的分布逻辑回归就不能学习到合适的参数了?转变为-1,1之后明显提升?
只不过把数据压缩,平均值平移一下,这些data的线性性应该没有动吧?
写回答
1回答
-
在图像分类里,像素点就是特征,虽然某个单一的像素点没有具体的物理意义,但是像素点可以反映图像的某些规律,比如某个位置的像素点,在图像是某个类别的时候可能值得范围是某个特定的区间,这就是像素作为特征的含义。
而对于0-255分布,不是不能学习到合适的参数,而是不容易学到合适的参数,这其实不是0-255区间的问题,而是你的参数初始化的问题,对于不同的数值区间,参数初始化的区间也应该是特定的才能学到合适的参数。有很多卷积网络就没有做归一化,照样可以达到很好的效果啊。
012019-05-05
相似问题