一.对于损失函数
损失函数:
单样本的多累支撑向量机损失:
线性分类器:
1.多类支撑向量机损失L;的最大/最小值会是多少?
最大:MAX;最小值:0
2:如果初始化时w和b很小,损失L会是多少?
令w和b为0,Sij恒等于0,带入公式,Li为类别数的个数,L为1,这种情况可以验证编码的正确性,初始化w与b为0,正确L得到1,其他就说明编码错误。
3:考虑所有类别(包括j = yi),损失L会有什么变化?
会出现自己和自己相比的情况,Li会加1,其实对损失的影响不大,只是这一项加进来意义不大,就没加
4:在总损失L计算时,如果用求和代替平均?
实际上没什么影响,只是将数放大了N倍,最大最小都放大了N倍
5:如果使用
将所有的值放大一个平方,会让分类器的性能发生细微的变化
二.正则项与超参数
问题:假设存在一个W使损失函数L=0,这个W是唯一的吗?
不是唯一的
示例:假设两个线性器分类
,其中,W2=2 W1。对于下面图像,
已知分类器1的打分结果(如表所示),请计算分类器2的打分结果,以及两个分类器对当前样本的多类支撑向量机损失:
将以上结果套用公式之后,发现损失值都为0,因此W不是唯一的