SmoothedHingeLoss Klasse

Definition

public sealed class SmoothedHingeLoss : Microsoft.ML.Trainers.ILossFunction<float,float>, Microsoft.ML.Trainers.ISupportSdcaClassificationLoss

type SmoothedHingeLoss = class
    interface ISupportSdcaClassificationLoss
    interface ISupportSdcaLoss
    interface IScalarLoss
    interface ILossFunction<single, single>
    interface IClassificationLoss

Public NotInheritable Class SmoothedHingeLoss
Implements ILossFunction(Of Single, Single), ISupportSdcaClassificationLoss

Vererbung

Object

SmoothedHingeLoss

Implementiert

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Hinweise

Lassen Sie $f(\hat{y}, y) = 1 - y\hat{y}$, wobei $\hat{y}$ der vorhergesagte Wert ist und $y \in \{-1, 1\}$ die richtige Bezeichnung ist. $f(\hat{y}, y)$ ist hier der Teil ungleich Null des Hinge Loss.

Beachten Sie, dass die in dieser Berechnung verwendeten Bezeichnungen -1 und 1 sind, im Gegensatz zu Protokollverlust, wobei die verwendeten Bezeichnungen 0 und 1 sind. Im Gegensatz zu Log Loss ist $\hat{y}$ nicht die vorhergesagte Rohbewertung, nicht die vorhergesagte Wahrscheinlichkeit (die durch Anwenden einer Sigmoidfunktion auf die vorhergesagte Bewertung berechnet wird).

Die Funktion "Glättungsverlust" wird dann wie folgt definiert:

$ L(f(\hat{y}, y)) = \begin{cases} 0 & \text{if } f(\hat{y}, y) < 0 \\ \frac{(f(\hat{y}, y))^2}{2\alpha} & \text{if } f(\hat{y}, y) < \alpha \\ f(\hat{y}, y) - \frac{\alpha} & \text{otherwise}{2} \end{cases} $

dabei ist $\alpha$ standardmäßig ein Glättungsparameter, der auf 1 festgelegt ist.