SmoothedHingeLoss 클래스

정의

네임스페이스:

Microsoft.ML.Trainers

어셈블리:

Microsoft.ML.Data.dll

패키지:

Microsoft.ML v3.0.1

일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.

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

상속

Object

SmoothedHingeLoss

구현

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

설명

let $f(\hat{y}, y) = 1 - y\hat{y}$, 여기서 $\hat{y}$는 예측 점수이고 \{-1, 1\}$의 \$y true 레이블입니다. $f(\hat{y}, y)$는 힌지 손실의 0이 아닌 부분입니다.

이 계산에 사용된 레이블은 로그 손실과 달리 -1 및 1이며 사용된 레이블은 0과 1입니다. 또한 로그 손실과 달리 $\hat{y}$는 예측된 확률(예측 점수에 시그모이드 함수 를 적용하여 계산됨)이 아닌 원시 예측 점수입니다.

그런 다음 부드러운 힌지 손실 함수는 다음과 같이 정의됩니다.

$ L(f(\hat{y}, y)) = \begin{cases} 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} $

여기서 $\alpha$는 기본적으로 1로 설정된 스무딩 매개 변수입니다.

생성자

SmoothedHingeLoss(Single)

부드러운 힌지 손실에 대한 생성자입니다.

메서드

ComputeDualUpdateInvariant(Single)	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.
Derivative(Single, Single)	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.
DualLoss(Single, Single)	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.
DualUpdate(Single, Single, Single, Single, Int32)	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.
Loss(Single, Single)	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.