损失函数总结

1.损失函数:

L_{0-1} (f,y)=1_{fy \leq 0}

损失函数可以直观的刻画分类的错误率,但是因为其非凸,非光滑的特点,使得算法很难对其进行直接优化

2.Hinge损失函数(SVM)

L_{hinge} (f,y)= max {0,1-fy}

Hinge损失函数是1损失函数的一个代理损失函数,也是其紧上界,当fy\geq 0 时,不对模型做惩罚。可以看到,hinge损失函数在fy=1处不可导,因此不能用梯度下降法对其优化,只能用次梯度下降法。

3.Logistic损失函数

L_{Logistic} (f,y)=log_{2} (1+exp(-fy))

Logistic损失函数是1损失函数的另一个代理损失函数,它也是1损失函数的凸上界,且该函数处处光滑。但是该损失函数对所有样本点都惩罚,因此对异常值更加敏感。当预测值f\in [-1,1]时,另一个常用的代理损失函数是交叉熵损失函数

4.Cross-Entropy损失函数

L_{cross\ entropy} (f,y)=-log_{2} (\frac{1+fy}{2} )

交叉熵损失函数也是1损失函数的光滑凸上界

5.Exponential损失函数(AdaBoost)

L_{exponential}(f,y)=e^{-fy}

指数损失函数是AdaBoost里使用的损失函数,同样地,它对异常点较为敏感,鲁棒性不够

6.Logistic损失函数(LR)

L_{logloss}(y,p(y|x))=-log(p(y|x))

逻辑回归p(y|x)的表达式如下:

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 对数损失函数和指数损失函数是什么样的?合页损失函数?什么是风险函数(期望损失),对比经验风险最小化和结构风险最小化...
    欧文坐公交阅读 606评论 0 0
  • 损失函数对于机器学习算法来说是至关重要的一环,大部分机器学习算法都是通过梯度下降来进行学习的。下降的目标就是让损失...
    数据小新手阅读 3,046评论 0 0
  • 损失函数用来表示输出与实际值的差距。常用的损失函数为0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉...
    顽皮的石头7788121阅读 1,295评论 0 0
  • 图片分类里的Center Loss目标函数,损失函数,代价函数损失函数度量的是预测值与真实值之间的差异.损失函数通...
    大川无敌阅读 14,826评论 0 1
  • 简介 机器学习算法的关键一环是模型评估,而损失函数定义了模型的评估指标;可以说,没有损失函数就无法求解模型参数。不...
    nlpming阅读 1,671评论 0 1