- Hinge Loss
转载:https://zhuanlan.zhihu.com/p/35708936
函数特性
在机器学习中,hinge loss是一种损失函数,它通常用于"maximum-margin"的分类任务中,如支持向量机。数学表达式为:
其中
y
^
\hat{y}
y^表示预测输出,通常都是软结果(就是说输出不是0,1这种,可能是0.87。),
y
y
y表示正确的类别。
如果
y
^
y
<
1
\hat{y}y<1
y^y<1,则损失为:
1
−
y
^
y
1-\hat{y}y
1−y^y
如果
y
^
y
>
1
\hat{y}y>1
y^y>1 ,则损失为:0
其函数图像如下,与0-1损失对比:
优化
以支持向量机为例,其模型为:
y
^
=
w
⋅
x
\hat{y}=w\cdot x
y^=w⋅x,如果用hinge损失,其求导结果如下: