这节课的主要内容：
1. 定义一个损失函数（loss function），用将训练集代入其中获得的评分来量化W的好坏。
2. 找到一个高效的方法来寻找使损失函数最小的W，（我们称其为最优化optimization）

---

损失函数

首先我们定义损失函数的一般形式：
对于一个数据集

Xi代表输入进入分类器的图像像素数据，Yi代表你希望得出的标签。
我们定义其损失函数的一般形式为：

损失函数定义后，我们就需要考虑Li的定以了，这节课介绍了两种Li的形式，第一种是多类支持向量机。

多类支持向量机损失（Multiclass SVM loss）

对于给定的数据（xi,yi），和分类器函数s=f(xi,W)
我们定以其Multiclass SVM loss为

首先我们知道，xi的类别是yi，即在分类器得到的输出矩阵中，必然有一个元素是对应于yi的评分，我们将其表示为syi即正确的分类，对于输出矩阵中处syi以外的值，我们以sj表示，即错误分类，式子中的1是可变的参数∇，在这里我们将其设为1（后面会对其讨论）。
对这一公式的直观解释是：如果正确分类的值比错误分类的值还大∇，则Li取零，若不是则取sj−syi+1。
很明显这是符合建立损失函数的目的的：
如果syi很大，说明分类器得出的是正确的，即损失是最小的，自然Li=0。
按照上面的理解，其实多类SVM loss可以写成：

下面是一个计算Li的例子：

相应的可以计算出对于汽车图

对于青蛙图：

于是损失函数L=1N∑Ni=1Li=(2.9+0+12.9)/3=5.27
那么定义了多类SVM损失之后，我们面临两个问题：
1. 根据其公式，如果我们将W能正确分类所有数据，那么乘以一个系数λ，最终的L的取值是否改变？
-如果本身L=0，很明显是不变的。
2. 两个W，W1每一个元素的值都比较均衡，W2中有个别元素值很大占很大权重，他们得到的分类结果一致，我们必然会选择各个元素值较均衡的那个，那么如何在损失函数中体现W1比W2更合适呢？
对于第二个问题的思考，为我们引入了一个概念：正则化

正则化（Regularization）

---

对于正则化一词的理解：
如果在数据中你有一些特殊值，你要消除特殊值带来的影响，有两种方式，一是不用这些特殊值；二是依然使用这些特殊值，但是使用一个函数来抵消其影响，等于将这些特殊值常规化了，所以叫其正则。

---

我们通过在L中引入正则化部分来使不均衡W有较大的损失函数，从而消除其不良影响，于是获得如下形式的损失函数形式：

如图我们将之前的L称为数据损失，而新加入的项称为正则化，新的损失函数由数据损失和正则化一同构成。
正则化函数R(W)有许多形式：

Softmax分类器

除了多类SVM损失以外，还有一个常用的便是Softmax分类器。
在多类支持向量机中，我们对各类进行评分，但是我们并没有为这些评分赋予什么意义，而在softmax中，我们为这些评分赋予了意义，并且我们将使用这些评分来计算类别的概率分布。
其形式为

我们可以通过一个例子来感受softmax分类器：

很直观也很清晰，所以就不多讲了。

最优化（Optimization）

上面我们讲解了如何衡量W的好坏，那么，怎么得出最好的W呢？这其实就是最优化问题。
首先我们定义了损失函数最小的W是最好的W，所以求W最优化的问题，实际上就是求使损失函数最小的W。
我们能想到的最简单的方式就是把随机选取W并代入损失函数去试，不断更新直到找到好的，很明显，这个方法太花时间，太笨了，实际上结果也不甚理想。
于是我们换了一个思路：
假设我们在山中，我们想去山脚，我们会感受所在地的倾斜程度，然后朝着下坡的方向行走，然后在不断的感受和行走中到达了山脚。
人可以用脚去感受，那么机器呢？我们使用斜率（梯度），我们总是沿着梯度下降的方向行走。
对于确定这个方向我们有两种方式，第一种是按照斜率的定义计算：

计算过程如图：

明显这是愚蠢而耗费时间的
庆幸我们有第二种办法：梯度公式∇WL

我们通过求W的梯度，而后向负梯度方向移动一定的步长，即是向损失函数减少的方向移动了。
当然，在这里，步长的选择也是一个超参数问题
第二种方法也有问题，当步长选择不恰当的时候，可能带来错误的结果，所以我们一般两种方法相结合。

我们还考虑到：图片的数据量太大了，计算起来太耗时间，有没有优化的方法呢？
有：
比如Stochastic Gradient Descent (SGD)随机梯度下降法。
这一方法是在数据集中随机选取一些一定量的数据来计算梯度，从而减少计算量。
比如提取特征值，将图片提取为一定的特征值数据，从而减少计算量，甚至能使分类器形式更简单。