Question

前面这个数据集是一个用纹理特征分类的简单数据集。事实上，很多从商业角度看来很有趣的问题，其实是相对容易解决的。有时我们会面对更加困难的问题，需要使用更好更多的先进技术才能得到好结果。

我们现在来测试一些具有相同结构的公共数据集：某些类别的照片。这些类别包括动物、汽车、交通运输和自然景色。

与之前讨论的三分类问题相比，这些类别更加难以区分。自然风景、建筑物和文字具有截然不同的纹理。但在这个数据集里，纹理并不是类别的明显标志。下面是动物类别的一个例子：

这是另一张汽车类别的图像：

两张图片都有自然背景，图像里都有较大的平滑区域。因此我们可以认为，纹理并不能很好区分它们。

如果使用跟之前一样的特征，我们用逻辑回归在交叉验证中就可以得到55%的正确率。对于4个类别来说，这并不是太坏，但也不是特别好。让我们看看是否可以用一个不同的方法做得更好。事实上，我们可以看到，我们需要把纹理特征和其他方法组合起来，才可能得到最好的结果。但是，要事第一——我们看一看局部特征。