损失函数
来源:互联网 发布:python rexec 的使用 编辑:程序博客网 时间:2024/04/27 19:30
损失函数
统计学习中常用的损失函数:
平方损失函数
平方损失函数是最常见的损失函数,在回归中经常使用。L(Y,f(X))=(Y−f(X))2 0-1损失函数
L(Y,f(X))=I(Y≠f(X)) 对数损失函数
对数损失函数是逻辑回归的损失函数,在逻辑回归中,假设样本服从伯努利分布(0-1分布),对样本的估计是用概率形式表达的,即:P(y|x;θ)=(hθ(x))y(1−hθ(x))1−y
然后取对数得到极大似然估计,而损失函数将似然函数取反,采用梯度下降使其最小。标准的对数损失函数如下:L(Y,P(Y|X))=−logP(Y|X) 指数损失函数
指数损失函数是前向分布算法的损失函数,常见的Adaboost是前向分布算法的一个特例,在Adaboost中,分类器和样本权值的更新公式为:αm=12log1−emem wm+1,i=wmiZmexp(−αmyiGm(xi))
这两个公式均是将下式带入到指数损失函数中推导出来的。fm(x)=fm−1(x)+αmGm(x) 合页损失函数
合页损失函数出现在SVM中,可以将其表示为:∑i=1n[1−yi(wxi+b)]++λ∥w∥2
其中[]+是取正值函数,即:z,z>00,z≤0
SVM中定义支持向量的距离为1,约束条件中所有点到超平面的距离都要大于1,那么,大于1且分类正确的点的损失值为0。后面的那一项是正则项,控制模型复杂度。
下图给出了各种损失函数对应的曲线。
0 0
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数
- 损失函数 目标函数
- STM32F103ZET XXX.map的可执行映像分析
- 初步认识linux与入门
- 字符逆序
- VC++非MFC动态库创建及使用
- Hosts文件
- 损失函数
- 设计模式---结构类型---外观
- 观察源码分析HashMap和Hashtable的区别
- bootstrap Botton
- 一看就懂的Alpha-Beta剪枝算法详解
- Java Web
- Robots递归,模拟,规律
- 使用原生js制作轮播图
- redis.conf配置详解