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 表示正确的类别(标签)。
如果
y
y
^
<
1
y\hat{y}<1
yy^<1 ,则损失为:
1
−
y
y
^
1-y\hat{y}
1−yy^
如果
y
y
^
≥
1
y\hat{y}\ge1
yy^≥1 ,则损失为:0
SVM的损失函数就是Hinge loss加上正则化项