文章目录
3.1 损失函数
损失函数的概念理解:
在线性分类中,W的每一行对应一个分类模板,它给出图片所属类别的可能的得分,得分越高说明该图片中的物体属于这一类别的可能性越大,因此我们需要选择一个分类效果最优的W,W来自于数据集的训练。
损失函数就是用来度量某个W好坏的,输入为W,得到一个得分,定量地估计W的好坏,这个函数即为损失函数。
数学公式表示:
上图中第一个公式为给定的数据集, x i x_i xi表示一张输入的图片,对于计算机而言,就是像素点的一个向量, y i y_i yi表示图片所对应的类别,即label。第二个公式中, f ( x i , W ) f(x_i,W) f(xi,W)计算不同分类类别的分值。 L i ( f ( x i , W ) , y i ) L_i(f(x_i,W),y_i) Li(f(xi,W),yi)表示第i个图片的损失函数,L是整体的一个损失函数,这个函数是所有图片损失函数的一个平均值。
多分类SVM(Support Vector Machine)
课件上给出的SVM损失函数的公式如下:
下面给出SVM损失函数的一般定义:
这里,我们将分值简写为 s s s,即针对第j个类别的得分为 s j = f ( x i , W ) j s_j=f(x_i,W)_j s