SmoothedHingeLoss 類別

定義

命名空間:

Microsoft.ML.Trainers

組件:

Microsoft.ML.Data.dll

套件:

Microsoft.ML v3.0.1

函式的 HingeLoss 平滑版本，通常用於分類工作。

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

繼承

Object

SmoothedHingeLoss

實作

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

備註

讓 $f (\hat{y}， y) = 1 - y\hat{y}$，其中 $\hat{y}$ 是預測分數，$y \{-1， 1\}$ 是真正的標籤。 $f (\hat{y}， y) $ 以下是 轉軸遺失的非零部分。

請注意，此計算中使用的標籤是 -1 和 1，不同於 記錄遺失，使用的標籤是 0 和 1。 此外，不同於 記錄遺失，$\hat{y}$ 是原始預測分數，而不是將 sigmoid 函數 套用至預測分數來計算的預測機率) (。

Smoothed 轉軸遺失函式接著會定義為：

$ 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} $

其中 $\alpha$ 是預設設為 1 的平滑參數。

建構函式

SmoothedHingeLoss(Single)

平滑轉軸遺失的建構函式。

方法

ComputeDualUpdateInvariant(Single)	函式的 HingeLoss 平滑版本，通常用於分類工作。
Derivative(Single, Single)	函式的 HingeLoss 平滑版本，通常用於分類工作。
DualLoss(Single, Single)	函式的 HingeLoss 平滑版本，通常用於分類工作。
DualUpdate(Single, Single, Single, Single, Int32)	函式的 HingeLoss 平滑版本，通常用於分類工作。
Loss(Single, Single)	函式的 HingeLoss 平滑版本，通常用於分類工作。