zoukankan      html  css  js  c++  java
  • 支持向量机—合页损失函数

    合页损失函数

    线性支持向量机之前我在别的博客中都已
    支持向量机中最终将我们学习的问题转化为约束优化问题
    在这里插入图片描述
    但线性支持向量机学习还有另外一种解释,就是最小化以下目标函数:
    在这里插入图片描述对于“+”函数它的作用就很明显,若样本点(x,y)被正确分类则使其损失为0,若被错误分类,则损失为1-y(w.x+b),所以当我们最小化这个目标函数时,也可以达到得到的模型尽量将样本全部正确分类。且后面又有一个||w||2的惩罚项,这里其实的作用就是使超平面离最近的样本点距离最大化,提高模型的泛化能力,||w||2前面有一个数学符号“拉姆塔”,它的作用就是起一个“倾斜”的作用,当“拉姆塔”很大时,此时模型更照顾使最大间隔更大,当他很小时,说明此时我们更希望误分类点更少。
    一个小小的数学符号就可以对一个模型产生那么大的影响,我觉得挺值得我们思考的。

  • 相关阅读:
    easy-batch job processors
    easy-batch job marshallers
    easy-batch job mappers
    easy-batch job filters
    easy-batch job writers
    easy-batch job readers
    easy-batch job 报告
    easy-batch job 调度
    easy-batch job 监控
    easy-batch job 配置
  • 原文地址:https://www.cnblogs.com/gaoxing2580/p/12423426.html
Copyright © 2011-2022 走看看