1回答

liuyubobobo

2018-01-26

已采纳

这个课程由于对SVM没有深入的特别深，所以对损失函数没有过多介绍。简单解释如下：

这个课程的讲解，我们已经知道，对于SVM，本质是这样的最优化问题：

其中，下面这个条件 

可以写成：

，f(x)=0就是我们的决策边界。

又因为

我们可以得到：

我们的最优化式子就变成了：

上图公式中标注的蓝色部分，就是损失函数：）

我在这里推导出的这个函数，就是大名鼎鼎的hinge损失函数（关于yf(x)的函数），因为这个函数图像像一个门的合页。这里，这个损失函数，也可以根据计算的需要或者精度的需要，使用其他损失函数（具有同样或者类似的性质）替换。

更深入的内容，不是在问答区一句两句可以说清楚的了。:-( 

这个课程的主要目的还是以入门为主，更深入的内容，可能还是需要深入进阶书籍，或者期待一下我的进阶课程：）（如果会出的话。。。）

2

3

手中的铅笔

老师，赶紧出进阶课程哇：）你出啥机器学习进阶课程我都买：）

2020-10-02

共3条回复