这里介绍得是统计学习方法中提到的二分类合页损失函数hinge loss
对于包含个样本的数据
。
代表样本输入,
代表真实的标签,
中元素的值属于
,分别表示正类与负类。 第
个样本对应的
,如下:
- 当
, 即
时,loss取值为0,此时分类正确,并且输出与标签的乘积较大确信度比较高,属于易分类样本,loss忽略不计。
- 当
, loss取值为
,此时虽然分类正确,但确信度不高
- 当
, loss取值为
,此时分类错误
hinge loss
使得模型更加关注难分类的样本,并且对于分类正确但确信度不高的样本也会计算误差值。
网友评论