欢迎,计算机科学与信息计算爱好者!

hinge loss

scott 6个月前 (01-02) 24次浏览 0个评论 扫描二维码

合页损失函数 (hinge loss)
一系列用于分类的损失函数,旨在找到距离每个训练样本都尽可能远的决策边界,从而使样本和边界之间的裕度最大化。 KSVM 使用合页损失函数(或相关函数,例如平方合页损失函数)。对于二元分类,合页损失函数的定义如下:

\begin{equation}
\operatorname{loss}=\max \left(0,1-\left(y^{\prime} * y\right)\right)
\end{equation}

其中“y’”表示分类器模型的原始输出:

\begin{equation}
y^{\prime}=b+w_{1} x_{1}+w_{2} x_{2}+\ldots w_{n} x_{n}
\end{equation}

“y”表示真标签,值为 -1 或 +1。

因此,合页损失与 (y * y’) 的关系图如下所示:

hinge loss 


CSIT FUN , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:hinge loss
喜欢 (0)
[985016145@qq.com]
分享 (0)
发表我的评论
取消评论
表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址