[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wd42dcUm-1655988000277)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623201415365.png)]
前提是我们地图像是32×32×3的输入值，我们要取这些值然后把它们展开成一个3072长列向量，现在我们想要得出10个类的得分对于该图像我们想要最终得到10个数字，从而给出每个类别对应的得分情况
也就是说现在我们的W是10×3072的矩阵，x是3072×10的矩阵
例如：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VVRprYGb-1655988000278)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623202214147.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gnGfTsYU-1655988000278)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623202433927.png)]
线性分类器只是尽其所能，因为他只允许学习每个类别的一个模板，当我们来看神经网络和更复杂的模型，我们能够得到更好的准确率，因为这些模板再也没有只能每个类别学习一个单独模板的限制
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TZnrKgfr-1655988000279)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623202849705.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Qbz857lY-1655988000279)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623202915579.png)]
线性分类器的困境：蓝色类别是图像中像素的数量，这个数字大于0，并且是奇数，任何像素个数大于0的图像，都归为红色类别，如果你真的去画这些不同的决策出现这些不同的决策取悦，你能看到我们奇数像素点的蓝色类别，在平面上有两个象限，甚至是两个相反的象限，所以我们没有办法能够绘制一条单独的直线，来划分蓝色和红色。
绘制一条单独的直线，来划分蓝色和红色。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iDm8mitG-1655988000279)(C:Users86187AppDataRoamingTyporatypora-user-imagesimage-20220623203610018.png)]
