Hinge Loss简介
Hinge Loss简介
标准Hinge Loss
- Hinge本身是用于分类的Loss,给定Label y = ± 1 y=\pm 1 y=±1
- 这个Loss的目的是让预测值 y ^ ∈ R \hat{y} \in R y^∈R和 y y y相等的时候,返回0,否则返回一个线性值
- 基于2的需求,Hinge Loss的定义: L ( y ^ ) = m a x ( 0 , 1 − y ⋅ y ^ ) L(\hat{y}) = max(0, 1-y \cdot \hat{y}) L(y^)=max(0,1−y⋅y^)。当 y y y和 y ^ \hat{y} y^相等,Loss等于0,下面是分类讨论。对应的图像如下图所示:
- y = 1,那么 1 − y ⋅ y ^ = 1 − y ^ 1-y \cdot \hat{y} = 1 - \hat{y} 1−y⋅y^=1−y^
- y = -1 那么 1 − y ⋅ y ^ = 1 + y ^ 1-y \cdot \hat{y} = 1 + \hat{y} 1−y⋅y^=1+y^
- 总而言之就是尽可能让预测值 y ^ \hat{y} y^尽可能贴近Label值
Hinge Loss变体
公式上的化简Or变换
有些实现中会利用label y y y的符号对上述的Hinge Loss L ( y ^ ) = m a x ( 0 , 1 − y ⋅ y ^ ) L(\hat{y}) = max(0, 1-y \cdot \hat{y}) L(y^)=max(0,1−y⋅y^)进行变换:
L ( y ^ ) = m a x ( 0 , − s i g n ( y ) ⋅ ( y ^ − y ) ) L(\hat{y}) = max(0, -sign(y)\cdot (\hat{y} - y)) L(y^)=max(0,−sign(y)⋅(y^−y))
其中 s i g n ( y ) sign(y) sign(y)表示label的符号:
s i g n ( y ) = { 1 y = 1 − 1 y = − 1 sign(y)=\left\{ \begin{aligned} 1 & & {y = 1}\\ -1 & & {y = -1} \end{aligned} \right. sign(y)={1−1y=1y=−1
或统一成一种表达: s i g n ( y ) = l a b e l ≤ − 1 − l a b e l ≥ 1 sign(y)=label \leq -1 - label \geq 1 sign(y)=label≤−1−label≥1,这样做的目的是能够省去 y ⋅ y ^ y\cdot\hat{y} y⋅y^的操作
正负Label的改变
上述讨论都是基于negative label = -1, positive label=1 的基础上做的。实际上有时候我们的negative label会以0表示。这时只需要对 s i g n sign sign函数进行一些修改:
s i g n ( y ) = { 1 y = 1 − 1 y = 0 sign(y)=\left\{ \begin{aligned} 1 & & {y = 1}\\ -1 & & {y = 0} \end{aligned} \right. sign(y)={1−1y=1y=0
或统一成一种表达: s i g n ( y ) = ( l a b e l ≤ n e g ) − ( l a b e l ≥ p o s ) sign(y)=(label \leq neg ) - (label \geq pos) sign(y)=(label≤neg)−(label≥pos)
在negative label = 0, positive label=1的情况下,Loss的函数图像会发生改变:
而在这里我们可以看出Hinge Loss的物理含义:将输出尽可能“赶出” [ n e g , p o s ] [neg,pos] [neg,pos]的这个区间。
4. 对于多分类:
- 看成是若干个2分类,然后按照2分类的做法来做,最终Loss求平均,预测
- 或者利用标准的多类hinge Loss:https://www.cnblogs.com/wangxiu/p/5668659.html
参考:
https://blog.csdn.net/hustqb/article/details/78347713
https://www.cnblogs.com/wangxiu/p/5668659.html
http://vision.stanford.edu/teaching/cs231n-demos/linear-classify/
Hinge Loss简介相关推荐
- SVM(支持向量机)之Hinge Loss解释
Hinge Loss 解释 SVM 求解使通过建立二次规划原始问题,引入拉格朗日乘子法,然后转换成对偶的形式去求解,这是一种理论非常充实的解法.这里换一种角度来思考,在机器学习领域,一般的做法是经验风 ...
- Hinge Loss
Hinge Loss 作者:陈雕 链接:https://www.zhihu.com/question/47746939/answer/286432586 来源:知乎 著作权归作者所有.商业转载请联系作 ...
- 理解Hinge Loss (折页损失函数、铰链损失函数)
理解Hinge Loss (折页损失函数.铰链损失函数) 原文:https://blog.csdn.net/fendegao/article/details/79968994 Hinge Loss 是 ...
- CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略
CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss.Center Loss)简介.使用方法之详细攻略 目录 T1.Triplet Loss 1.英文原文解释 ...
- 机器学习中的损失函数 (着重比较:hinge loss vs softmax loss)
https://blog.csdn.net/u010976453/article/details/78488279 1. 损失函数 损失函数(Loss function)是用来估量你模型的预测值 f( ...
- 机器学习中的损失函数(交叉熵损失、Hinge loss)
损失函数 文章目录 损失函数 1 交叉熵损失 1.1 从最大似然估计到交叉熵损失 概率论中的MLE 机器学习中的MLE 交叉熵损失 1.2 多分类的交叉熵损失函数 1.3 比较 2. Hinge lo ...
- 'int' object has no attribute 'backward'报错 使用Pytorch编写 Hinge loss函数
在编写SVM中的Hinge loss函数的时候报错"'int' object has no attribute 'backward'" for epoch in range(50) ...
- 机器学习中的各种损失函数(Hinge loss,交叉熵,softmax)
机器学习中的各种损失函数 SVM multiclass loss(Hinge loss) 这是一个合页函数,也叫Hinge function,loss 函数反映的是我们对于当前分类结果的不满意程度.在 ...
- 多分类svm的hinge loss公式推导_损失函数—深度学习常见损失函数总结【图像分类|下】...
点击蓝字关注我们 AI研习图书馆,发现不一样的精彩世界 学习 笔记 常见损失函数总结-图像分类下篇 一.前言 在深度学习中,损失函数扮演着至关重要的角色.通过最小化损失函数,使模型达到收敛状态,减少模 ...
最新文章
- 想提高代码水平,做到这点就够了
- js设置div高度低于滚动高度时固定
- 阿里内核月报2014年4月
- mac mysql
- 【Linux系统编程学习】Linux线程控制原语
- solr 5.3.1 使用java_Apache Solr 5.3.1 发布下载,Java 全文搜索服务器
- 润乾单元格加html点击事件_报表输入页码翻页(润乾 V2018)
- ps自定义形状工具_ps中借助形状工具绘制卡通图
- mysql group b_mysql报错之5.7版本的 group by mysql不能使用group by
- OpenCV-PS扩散效果(毛玻璃)
- 分享一个最终幻想勇气启示录的脚本,能自动刷图打觉醒材料
- jQuery将json对象转为字符串,将json字符串转为对象
- nsga2 matlab,NSGA2算法特征选择MATLAB实现(多目标)
- 各大物联网通信技术对比
- linux中deb文件怎么安装,deb是什么文件?deb文件怎么安装?
- 使用双显示器时其中一个屏幕出现重影的问题——缺少吸收磁环
- uniapp中使用高德地图
- 如何将小鹤单字挂接到搜狗输入法
- TensorFlow实现自定义Op
- 如何在IDEA中写Java程序
热门文章
- 024 Visual Basic 命令模式之烤串
- TP5.1执行SQL文件创建多个数据表MySQL提示42000错误解决方案
- FFmpeg学习资料
- 微方歌词管理系统 v6.0 免费
- FLASH与ASP通信原理入门
- 大数据电信客服-数据分析(三)
- win10关闭缩略图方法
- geohash网格图_空间索引 - GeoHash算法及其实现优化
- [Android 4.4.2] Oppo Find7 轻装版 MIUI 4.7.4 by crazyi
- c语言getline作用,C++ cin.getline及getline()用法详解