SVM即支持向量机(Support Vector Machine, SVM) 是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。
简介
- SVM的损失函数
- 损失函数
- SVM中的损失函数
- 向量积
1.损失函数
定义: 是用来衡量一个预测器在对输入数据进行分类预测时的质量好坏。损失值越小,分类器的效果越好,越能反映输入数据与输出类别标签的关系;相反,损失值越大,我们需要花更多的精力来提升模型的准确率。
2.SVM中的损失函数
Hinge损失函数
Hinge损失主要用在SVM算法中,具体公式如下:
根据yi也可以变化成