1樓：APP開發經理MR.Yu
用貓的原因可能一部分是因為程式猿是貓奴，另一部分就是貓的種類並不好辨別，一次產一窩，可能各個都不一樣，還有的貓會變色（暹羅貓），可能夏天是白色，冬天就是黑色。（手動狗頭）
2樓：APP開發經理MR.Yu
用貓的原因可能一部分是因為程式猿是貓奴，另一部分就是貓的種類並不好辨別，一次產一窩，可能各個都不一樣，還有的貓會變色（暹羅貓），可能夏天是白色，冬天就是黑色。（手動狗頭）
3樓：四月小小醬
這個東西是國外開始領先的領域，在國外，人們養貓貓的數量，甚至超越其他寵物的數量。比如USA有三分之一的人養寵物貓；English有四分之一的人養寵物貓；其他的國家比例也很大，這一點說明，貓將會被用作機器學習的概率大於其他物種；
小小貓的體型相對其他的物種來講會更加的合適
機器學習中誕生於2023年的kNN演算法，是一種基於模板匹配思想的演算法，簡單有效，至今仍在被使用。而kNN演算法中有乙個非常著名的試驗——kNN貓狗分類試驗，但是綜述1,2來講，小小貓會被首選；但是小狗狗也不差喔
4樓：喬丹
三個因素：
一、樣本的易獲取性
眾所周知，機器學習的過程是通過已知的訓練集和測試集來訓練模型、最終測試結果的正確率。訓練集的大小決定了模型訓練過程的時間長短和模型的精確程度，從理論上講，任何乙個物品，訓練集越多的訓練集訓練出來得到的結果肯定越好。
貓作為乙個身邊常見的動物，種類也比較齊全，顏色的個性也比較多，而且，人們比較喜歡拍貓，拍完之後還比較喜歡分享，這就促使了樣本的易獲取，而且訓練集的對都叫貓。
二、貓的長相
貓這個動物我們常見的種類從長相上看，都大體相似，當然也有不同的地方，這個如果在認識貓的角度上看，是可取的。
二、訓練集的開源
貓一般沒有肖像權的，很多時候都會去分享自己的訓練集，那麼別人也就很容易獲取到資源，能盪下來的肯定不會再花時間爬或者蒐集。
5樓：採石工
我猜可能與貓狗大戰資料集有關.
dogs-vs-cats[1] 是 kaggle 上的乙個經典的比賽專案，它要求參賽者編寫乙個演算法來判斷影象中包含的目標是貓還是狗. 這個競賽創立於 2013 年, 是乙個比較古老的競賽了, 發布之時正是深度學習在計算機視覺領域開始大放異彩的時候.
dogs-vs-cats 競賽發布的 dogs-vs-cats 資料集 (或稱 Asirra 資料集) 現在準確率已經達到98%, 可以認為是乙個已經被解決的問題, 而且它的規模較小 (25,000 張), 比較適合於初學者練手. 目前已經作為乙個經典的CV 資料集出現在各種網路教程或者框架中 (例如, TensorFlow 中就提供了這個測試集的介面[2]). 因為是乙個經典資料集, 其中的影象常出現在機器學習/計算機視覺的文獻中也是自然而然的事情了.
當然, 上面只是一家之見.
6樓：
可能的原因：
1.receptive field 的概念好像是來自於2023年對貓視覺皮層的實驗，後來激發了神經網路的興起。
2.實驗科學中小鼠被搞得很慘，我們用貓來達到一種心理上的生態平衡。。
3.貓和狗是自然生物，同時人類對他們具有很高的熟悉度，然而相對於狗，貓更容易在分類問題中被當成乙個類，而狗的子類卻更加被人熟知，容易引起不必要的聯想。
7樓：MEON
因為第乙個，讓機器學習識別的就是貓。可能是貓比較常見，而且很招人喜歡，再者已經有了成熟的影象庫了，為啥還要再自己採集個狗的影象庫讓機器來學習。現成的不更好麼？
為什麼機器學習的分類器用logistic模型？
感覺 午後Sunny 說得很好了，補充一下自己的觀點，如果不對請指正Logisticfunction a 很優美。這個函式不但能把輸入對映到0 1之間，而且這種中間陡峭的性質使得只有少數樣本在0附近。b 便於求導 這樣使得模型的求解和實現更加方便 午後陽光 把我另外乙個回答搬過來了。logistic...
為什麼太空飛行器的使用壽命常常大於設計壽命？
有個嫦娥二號的段子，姑且可以一看 二小姐這貨究竟帶了幾倍的燃料上去？本分系統需要20公斤燃料才能滿足要求，為了防止總體設計那幫傢伙優化燃料載荷導致我們燃料不夠，告訴他們需要30公斤燃料 本分系統需要30公斤燃料才能滿足要求，為了防止其它分系統燃料需求變大而沒有餘量，告訴他們需要60公斤燃料 本分系統...
為什麼工人可以免費使用工廠機器？
張虎躍 恩，工人使用了老闆的機器，不但不付給老闆使用費，還要拿老闆的工資，有時還要住公司的宿舍，吃公司的食堂，穿公司發的工作服，真是豈有此理，咋那麼不要臉呢。再看老闆，給工人白吃 白住 白穿 白使用機器還算了，最後每月還要給工人一筆錢作為工資，你說老闆咋那麼好呢？非親非故的，比工人的親爹還親，這簡直...