损失函数
以W为输入,以W的表现为输出的函数叫做损失函数
损失函数的输出越小,W的拟合度越好
SVM损失函数
也叫作合页函数
Syi 是第i个样本的真实类的数据
公式中的“1”是一个可选择的值,成为自由参数,对于问题没有影响
问: 如果s大都接近于0,那么损失函数等于多少呢?
答: 类别数-1
问: 将所有的类求和,将得到的损失函数的值是多少?
答: 1
损失函数是你用来表示对不同错误重视程度的函数
问: 使损失函数为0的W是唯一的吗?
答: 当然不是
Regularization :正则项,作为惩罚项
这个操作使得系统趋向于选择更简单的函数
L2 正则化更强调每个元素的作用
L1 则更加注重元素的集中度,更喜欢稀松解
Softmax 分类器
给了分数一些特殊的含义
问: 如果s大都接近于0,那么损失函数等于多少呢?
答: ?
两种函数的区别:
SVM达到预期后即停止
而Softmax则会不断更新
监督学习