支援向量機學習筆記(2)合頁損失函數

來源:互聯網
上載者:User

合頁損失函數

對於線性支援向量機學習來說,其模型為分離超平面及決策函數,

其學習策略為軟間隔最大化,學習演算法為凸二次規劃。


現行支援向量機學習另一種解釋,就是最小化一下目標函數:

目標函數的第一項是經驗損失或經驗風險,

函數稱為合頁損失函數(hinge loss function)。

下標“+”表示取正值的函數:

定理:線性支援向量機原始最佳化問題:

等價於最佳化問題


合頁損失函數的圖形如下圖,橫軸是函數間隔,縱軸是損失


聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.