Fork me on GitHub
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(21662) 评论(0) 推荐(1) 编辑