2018-3-19 损失函数与适应度函数，稳定选择与分裂选择

1.适应度与损失函数

我觉的：

（1）都是用来描述目标函数一个方面的效能的一个函数

（2）进行输入之后，结果都是一个可以进行比较的值

来源：机器学习之 损失函数和风险函数 - CSDN博客

http://blog.csdn.net/lisi1129/article/details/60961256

介绍损失函数以及风险函数很详细

损失函数：（目的就是预测模型与真值相差多少，从而评价模型好坏）

L： Loss Function

     监督学习问题是在假设的空间F中选取模型 f 作为决策函数，对于给定的输入 X,由 f(x) 给定输出Y, 这个输出的预测值与真实值 Y可能不一致，用一个函数来度量预测错误的程度表示这种不一致，这个函数就是损失函数或者代价函数；

通常的损失函数如下：

损失函数值越小，模型越好；由于模式的输入，输出（X,Y）是随机变量，有联合分布P(X,Y) 所以损失函数的期望是：

2.稳定选择和分裂选择

稳定选择_百度百科

https://baike.baidu.com/item/%E7%A8%B3%E5%AE%9A%E9%80%89%E6%8B%A9/8736168?fr=aladdin

选择多数的，就像比赛去掉最高分，最低分分，保留稳定的多数的部分

分裂选择_百度百科

https://baike.baidu.com/item/%E5%88%86%E8%A3%82%E9%80%89%E6%8B%A9/3731141

有利于保持群体中的个性化