损失函数
- 1、正类数据分类到-1结果中， y i = 1 y_i=1 yi=1，但 ( w ⋅ x i + b ) 等 于 − 1 ({w}\cdot{x_i}+b)等于-1 (w⋅xi+b)等于−1，此时损失公式依旧大于0。
- 2、负类数据分类到1结果中， y i = − 1 y_i=-1 yi=−1，但 ( w ⋅ x i + b ) 等 于 1 ({w}\cdot{x_i}+b)等于1 (w⋅xi+b)等于1，此时损失公式依旧大于0。
也就是说误分类的样本数据都能使得损失公式大于0，很容易就计算误差，但是这里有一个问题就是难道每个样本还要判断是否分类正确，跟线性回归、逻辑回归的损失函数公式不一样，它们是直接拿所有样本来统计损失误差，正确的样本的误差是0。这个地方不太清楚为啥这么设计。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/179315.html原文链接：https://javaforall.net
