SmoothedHingeLoss Classe

Definizione

public sealed class SmoothedHingeLoss : Microsoft.ML.Trainers.ILossFunction<float,float>, Microsoft.ML.Trainers.ISupportSdcaClassificationLoss

type SmoothedHingeLoss = class
    interface ISupportSdcaClassificationLoss
    interface ISupportSdcaLoss
    interface IScalarLoss
    interface ILossFunction<single, single>
    interface IClassificationLoss

Public NotInheritable Class SmoothedHingeLoss
Implements ILossFunction(Of Single, Single), ISupportSdcaClassificationLoss

Ereditarietà

Object

SmoothedHingeLoss

Implementazioni

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Commenti

Lasciare $f(\hat{y}, y) = 1 - y\hat{y}$, dove $\hat{y}$ è il punteggio stimato e $y \in \{-1, 1\}$ è l'etichetta vera. $f(\hat{y}, y)$ qui è la parte non zero della perdita della cerniera.

Si noti che le etichette usate in questo calcolo sono -1 e 1, a differenza della perdita di log, in cui le etichette usate sono 0 e 1. Diversamente dalla perdita di log, $\hat{y}$ è il punteggio stimato non elaborato, non la probabilità stimata (calcolata applicando una funzione sigmoid al punteggio stimato).

La funzione Smoothed Hinge Loss viene quindi definita come:

$ L(f(\hat{y}, y)) = \begin{case} 0 & \text{if } f(\hat{y}, y) < 0 \\ \frac{(f(\hat{y}, y)^2}{2\alpha} & \text{if } f(\hat{y}, y) < \alpha \\ f(\hat{y}, y) - \frac{\alpha}{2} & \text{otherwise} \end{cases} $

dove $\alpha$ è un parametro smoothing impostato su 1 per impostazione predefinita.