会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
郭耀华's Blog
欲穷千里目,更上一层楼
项目主页:
https://github.com/guoyaohua/
博客园
首页
新随笔
联系
订阅
管理
2018年8月7日
SVM(支持向量机)之Hinge Loss解释
摘要: Hinge Loss 解释 SVM 求解使通过建立二次规划原始问题,引入拉格朗日乘子法,然后转换成对偶的形式去求解,这是一种理论非常充实的解法。这里换一种角度来思考,在机器学习领域,一般的做法是经验风险最小化 ERM ,即构建假设函数为输入输出间的映射,然后采用损失函数来衡量模型的优劣。求得使损失最
阅读全文
posted @ 2018-08-07 12:23 郭耀华
阅读(21574)
评论(0)
推荐(1)
编辑
公告