原书出处
大数据挖掘与统计机器学习
05 第5章 决策树与组合方法
的绝对值逐渐增大时,损失随之加大;当正边际逐渐增大时,损失逐渐减少。两者的区别是
当负边际的绝对值逐渐增大时,负值的二项分布对数似然函数损失线性增长,但是指数损失呈指数增长,也就是说,指数损失对训练集中这样的点影响更大。当数据集噪音较大时,负值的二项分布对数似然函数损失比指数损失更稳健(Hastie et al.,2008)。
图5—2 二分类问题的几种损失函数 图5—2同时给出了hinge loss(绞
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter7_0003.xhtml
EPUB SHA-256:6f2324b41414df46227a4d0ee4cc188eb120a38a798a14be96a3d7d919028c00