HingeLoss Classe

Définition

Espace de noms:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v3.0.1

Perte de charnière, couramment utilisée dans les tâches de classification.

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

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

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

Héritage

Object

HingeLoss

Implémente

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Remarques

La fonction de perte de charnière est définie comme suit :

$L(\hat{y}, y) = max(0, m - y\hat{y})$

où $\hat{y}$ est le score prédit, $y \in \in \{-1, 1\}$ est l’étiquette true et $m$ est le paramètre de marge défini sur 1 par défaut.

Notez que les étiquettes utilisées dans ce calcul sont -1 et 1, contrairement à la perte de journal, où les étiquettes utilisées sont 0 et 1. En outre, contrairement à la perte de journal, $\hat{y}$ est le score prédit brut, et non la probabilité prédite (qui est calculée en appliquant une fonction sigmoïde au score prédit).

Bien que la fonction de perte de charnière soit à la fois convexe et continue, elle n’est pas lisse (qui n’est pas différentiable) à $y\hat{y} = m$. Par conséquent, il ne peut pas être utilisé avec des méthodes de descente de dégradé ou des méthodes stochastiques de descente de gradient, qui s’appuient sur la différenciation sur l’ensemble du domaine.

Pour plus d’informations, consultez La perte de charnière pour la classification.

Constructeurs

HingeLoss(Single)

Perte de charnière, couramment utilisée dans les tâches de classification.

Méthodes

ComputeDualUpdateInvariant(Single)	Perte de charnière, couramment utilisée dans les tâches de classification.
Derivative(Single, Single)	Perte de charnière, couramment utilisée dans les tâches de classification.
DualLoss(Single, Single)	Perte de charnière, couramment utilisée dans les tâches de classification.
DualUpdate(Single, Single, Single, Single, Int32)	Perte de charnière, couramment utilisée dans les tâches de classification.
Loss(Single, Single)	Perte de charnière, couramment utilisée dans les tâches de classification.