[機(jī)器學(xué)習(xí)入門] 李宏毅機(jī)器學(xué)習(xí)筆記-25（Sturctured Linear Model；結(jié)構(gòu)化預(yù)測-線性模型）

Structured Linear Model

這里寫圖片描述

Problem 1

$\phi_1(x,y)$$\phi_2(x,y)$ $\phi_3(x,y)$ 代表一個(gè)value. 也就是說 x，y在具有特征一時(shí)的強(qiáng)度是$\phi_1(x,y)$，同理特征二、特征三。 將這組值，乘上從training data中得到的weight w1.w2，w3.

這里寫圖片描述

加入F（x，y）寫成這樣子，那么problem3就不是問題了。

這里寫圖片描述

每一個(gè)維度都是一個(gè)feature，
那么這些feature該怎么尋找呢？
train 一個(gè)CNN，把image丟進(jìn)CNN中，output一個(gè)vector就可以很好地代表里面的東西，所以可以用deep learning來抽feature。

這里寫圖片描述

example：summarization

這里寫圖片描述

example：Retrieval

這里寫圖片描述

Problem 2

Inference: How to solve the “arg max” problem
窮舉所有的y，尋找max，但我們先假裝這個(gè)問題已經(jīng)被解決了。

這里寫圖片描述

然后就有了第三個(gè)問題，希望找到一個(gè)F(x，y)

這里寫圖片描述

舉個(gè)例子來說

這里寫圖片描述

紅色的只有一個(gè)，是正確的，而藍(lán)色的有千千萬萬個(gè)。

這里寫圖片描述

這里寫圖片描述

我們希望找到一個(gè)W，做到上面的每一個(gè)點(diǎn)通通與w做inner product，使所有紅星得到的值大于藍(lán)星的值，所有紅點(diǎn)得到的值，大于藍(lán)點(diǎn)的值。

這里寫圖片描述

Solution of Problem 3

并不像想象中的那么難。

Algorithm

這里寫圖片描述

example

這里寫圖片描述

這里寫圖片描述

這里寫圖片描述

得到一個(gè)新的w
還要繼續(xù)算，檢查一遍

這里寫圖片描述