笔趣阁

第631章 手写数据图像的分类用故事解析（第3页）

?

sift

或

hog

特征：帮助计算机识别图像中的边缘和轮廓。

?

像素分布直方图：用来判断数字中黑白像素的分布情况。

信使鸟们现在不只是凭直觉分类，而是通过多维度的信息综合判断，这让它们的准确率提升了很多。

?

第三阶段：从“单打独斗”到“团队合作”——神奇的神经网络

即便信使鸟们变得更加聪明，有时候它们仍然遇到难以判断的信件。为了解决这个问题，魔导师召集了一群信使鸟，让它们协作判断。

每只鸟专注于不同的方面：

?

一只鸟观察数字的轮廓。

?

一只鸟计算线条的弯曲度。

?

一只鸟分析交叉点和闭合区域。

它们把各自的观察结果汇总，然后一起投票决定数字的最终分类。

比喻：

这就像计算机中的神经网络（neural

work）。神经网络由许多层的“神经元”组成，每一层负责提取不同层次的特征。

?

第一层可能识别简单的边缘和线条。

?

第二层识别更复杂的形状和结构。

?

第三层则做出最终判断。

这种方式让计算机在复杂的手写数据中也能做出精准的分类。

?

第四阶段：不断学习——从失败中成长

有时，即使经过所有的努力，信使鸟们仍然会分类错误。但魔导师并不会责怪它们，而是会鼓励它们从错误中学习。

每次鸟儿们分错信件时，魔导师都会告诉它们正确的答案。它们会仔细复盘，记住这个错误，下次遇到类似的信件时就不会再犯同样的错。

比喻：

这就像计算机中的监督学习。在训练阶段，计算机会将大量标注好的数据输入模型，模型通过不断调整自身的参数（例如权重和偏差），逐渐提升识别精度。

?

如果模型分类错误，它会计算错误的程度（称为损失函数）。