2.LOSS（svm和softmax）

1|01.loss设计

主要是表征预测的类别的准确性，我认为主要是 为了边界化的问题

2|02.svm

svm的设计主要是为了保证预测的准确性，一旦超过了边界，那么即使我们修改值或者让错误值和正确值差距很大，也不会改变损失值，依旧是0，这点也是svm的特性，不会过分强调之间的实际差距
svm分类器
计算公式如下：

3|03.softmax

softmax的函数设计，会鼓励正确的分类，数落错误的分类，也就是期待正确分类的对数概率变高，而错误分类的对数分类的概率变低，相比svm 正确分类与错误分类的得分值会对 softmax的 对数值概率产生较大影响，这一点和svm形成相反对比。

4|04.softmax 与 svm

__EOF__

本文作者：DeepBrainBoy
本文链接：https://www.cnblogs.com/tccjx/p/16566921.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！