深度学习中逻辑回归损失函数为什么这么定义

这里不由的会想，为什么要引入这样的函数，而不是两个数相减或相减的平方。首先引入凸集这个概念：

如果对于任意x1,x2属于C，a属于[0,1]的闭区间，则a*x1+（1-a）x2属于C 可推出C是凸集的充要条件。

有没有发现上面损失函数与下面凸集定义的形式差不多，上面y是属于0到1，凸集的性质大家可以看看书。

凸函数(convex function)：

f(（x1+x2）/2)<(f(x1)+f(x2))/2

定义Df为凸集，对于任意下x,y属于Df,a属于[0，1]，则有f(ax+(1-a)y)<=af(x)+(1-a)f(y)