损失函数
感知机的损失函数如下：
−1∣∣w∣∣∗∑i=1myi(w⋅xi+b)
-{\frac{1}{||w||}}*\sum_{i=1}^{m}y_i({w}\cdot{x_i}+b)
−∣∣w∣∣1∗i=1∑myi(w⋅xi+b)
这是针对于误分类的数据集来说的，也就是说针对分类错误的样本数据所采用损失函数，正确分类的数据不参与，两类误分类的数据：
- 1、正类数据分类到-1结果中，yi=1y_i=1yi=1，但(w⋅xi+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，yi=−1y_i=-1yi=−1，但(w⋅xi+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。
扫一扫
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
