练习：绘制常见损失函数

损失函数：Logistics损失(-1,1) SVM Hinge损失 0/1损失

首先我们来复习一下常见的损失函数

Logistics损失函数/sigmoid函数

指数损失函数（Adaboost） {#三、指数损失函数（Adaboost）}

$$exp\left ( -m \right )$$

Hinge损失函数（SVM） {#四、Hinge损失函数（SVM）}

$$max\left ( 0,1-m \right )$$

0-1损失函数

#coding:utf-8
#/usr/bin/python
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

if __name__ == '__main__':
    mpl.rcParams['font.sans-serif'] = [u'SimHei']
    mpl.rcParams['axes.unicode_minus'] = False  # win正常显示中文设置

    x = np.linspace(-2, 3, 1001, dtype=float) #生成数据
    # y_logistics = (1 + np.exp(-x))
    y_logistics = np.log((1 + np.exp(-x))) / np.log(2) #为了图片好看，过（0,1）点
    y_boost = np.exp(-x)
    y_01 = x < 0
    y_hinge = 1.0 - x
    y_hinge[y_hinge < 0] = 0
    plt.figure(figsize=(5,5),facecolor='w')
    plt.plot(x,y_logistics,'r--',label='Logistics Loss',lw =2)
    plt.plot(x,y_boost,'k-',label = 'Adaboost Loss',lw = 1)
    plt.plot(x,y_01,'y-',label = '0/1 Loss',lw = 1)
    plt.plot(x,y_hinge,'b-',label = 'Hinge Loss',lw = 1)
    plt.grid()
    plt.title('常见损失函数', fontsize=16)
    plt.legend('lower upper')
    plt.show()