在上上一节逻辑回归中,是使用似然函数来作为模型的求解参数的目标。
但在很多情况下,似然函数很难直接写出,更常用的方法是损失函数,这个在上上一节的补充中也有提过。
那么损失函数表示什么概念呢?
和似然函数相反,损失函数是模型预测失败的度量。
注意最大化似然函数和最小化损失函数两者并不能完全等同,因为这涉及到所选取的参数。
对于机器学习模型来说,选择哪一种都符合模型求解的规则,关键在于选择哪一种标准(最大化似然函数or最小化损失函数)能够进行求解。
损失函数分为两个部分:损失向,正则项
损失项
损失项即代表模型误判的度量,这和与上面说的损失函数的意义是一致的。
在介绍各类损失之前,先简单说明样本的数据,并引入几个自定义参数。
从最简答的二分类开始,样本数据如下 (xi,yi),其中xi是样本的属性,yi是该