機器學習之SVM的損失函數（Hinge Loss)

損失函數： 是用來衡量一個預測器在對輸入數據進行分類預測時的質量好壞。損失值越小，分類器的效果越好，越能反映輸入數據與輸出類別標籤的關係（雖然我們的模型有時候會過擬合——這是由於訓練數據被過度擬合，導致我們的模型失去了泛化能力）。 相反，損失值越大，我們需要花更多的精力來提升模型的準確率。就參數化學習而言，這涉及到調整參數，比如需要調節權重矩陣W或偏置向量B，以提高分類的精度。 SVM通常使用Hi

>>阅读原文<<