SVM分类基础之线性分类器

之前一直没有弄明白 f（x）=WT*X+b 这个WT是什么，看了这一段文字算是明白了，实际上就是把多维数据存放展开至一个矢量中：

2.1 线性分类器

我们先丢出一个简单的线性映射： f(x i ,W,b)=Wx i +b 

在这个公式里，我们假定图片的像素都平展为[D x 1]的向量。然后我们有两个参数：W是[K x D]的矩阵，而向量b为[K x 1]的。在CIFAR-10中，每张图片平展开得到一个[3072 x 1]的向量，那W就应该是一个[10 x 3072]的矩阵，b为[10 x 1]的向量。

这样，以我们的线性代数知识，我们知道这个函数，接受3072个数作为输入，同时输出10个数作为类目得分。我们把W叫做权重，b叫做偏移向量。

http://blog.csdn.net/han_xiaoyang/article/details/49999583