HingeLoss Clase

Definición

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

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

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

Herencia

Object

HingeLoss

Implementaciones

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Comentarios

La función Pérdida de bisagra se define como:

$L(\hat{y}, y) = max(0, m - y\hat{y})$

donde $\hat{y}$ es la puntuación de predicción, $y \in \{-1, 1\}$ es la etiqueta true y $m$ es el parámetro margin establecido en 1 de forma predeterminada.

Tenga en cuenta que las etiquetas usadas en este cálculo son -1 y 1, a diferencia de la pérdida de registros, donde las etiquetas usadas son 0 y 1. Además, a diferencia de la pérdida de registros, $\hat{y}$ es la puntuación de predicción sin procesar, no la probabilidad prevista (que se calcula aplicando una función sigmoid a la puntuación prevista).

Aunque la función de pérdida de bisagra es convexa y continua, no es suave (que no es diferente) en $y\hat{y} = m$. Por lo tanto, no se puede usar con métodos de descenso de degradado degradado o métodos de descenso de degradado estocástico, que dependen de la diferenciabilidad en todo el dominio.

Para más información, consulte Pérdida de bisagra para la clasificación.