线性分类器主要包括评分函数与损失函数。
评分函数就是计算输入特征向量（x图片）为标签label（y）的得分，得分高低表示为该类别的可能性的高低
损失函数就是计算预测标签与真实标签的不同，一般损失函数的值越小越好，获取损失函数最小的过程也叫优化，结合训练网络中的loss参数。
该图是线性分类器常驻嘉宾，一张二维三通道猫的图像，将其拉伸为一列向量即x（特征向量），W为权重参数，每一行为图像每个像素点对应是每一个标签的权重值，b为偏置项向量，注意W行数为lalel个数，列书为x行数，经过f=wx+b，得出一列label行向量，每个值即为评分函数的得分，上图可以看出输入猫图，输出判定为dog的可能性更大。
损失函数的参数就是W权重矩阵，通过对W的修正，使得测试标签与真实标签最相近即损失函数最小。
