知识卡片
合页损失检查分数间隔
二元合页损失对间隔不足的预测罚 max(0,1−ys)。多类形式逐项比较错误类分数与正确类分数,差距足够的项不罚。这个损失可惩罚虽然判对、却离边界不够远的样本。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度神经网络 · 查看原书依据
合页损失(Hinge Loss)函数是在SVM即支持向量机模型中常用的损失函数
参考来源
- 位置:《机器学习观止:核心原理与实践》第12章《深度神经网络》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter12.xhtml`)。
- 结论依据:第 12.4.1 节先给合页图像,再以三类图像分数计算。
- 原始内容:合页损失(Hinge Loss)函数是在SVM即支持向量机模型中常用的损失函数