Share via


SmoothedHingeLoss Třída

Definice

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

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
Dědičnost
SmoothedHingeLoss
Implementuje

Poznámky

Nechť $f(\hat{y}, y) = 1 - y\hat{y}$, kde $\hat{y}$ je predikované skóre a $y \in \{-1, 1\}$ je popisek true. $f(\hat{y}, y)$ je nenulová část ztráty pantu.

Všimněte si, že popisky použité v tomto výpočtu jsou -1 a 1, na rozdíl od ztráty protokolu, kde se používají popisky 0 a 1. Na rozdíl od ztráty protokolu je také $\hat{y}$ nezpracované předpovězené skóre, nikoli předpovězená pravděpodobnost (která se počítá použitím funkce sigmoid na předpovězené skóre).

Funkce Vyhlazení závěsu je pak definována jako:

$ 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} $

kde $\alpha$ je ve výchozím nastavení parametr vyhlazení nastavený na hodnotu 1.

Konstruktory

SmoothedHingeLoss(Single)

Konstruktor pro vyhlazení závěsu losee.

Metody

ComputeDualUpdateInvariant(Single)

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

Derivative(Single, Single)

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

DualLoss(Single, Single)

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

DualUpdate(Single, Single, Single, Single, Int32)

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

Loss(Single, Single)

Plynulá verze funkce, která se HingeLoss běžně používá v úlohách klasifikace.

Platí pro