← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-18T10:22:02.202Z

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

此预览只包含定位所需的摘录和上下文。

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