在二分類的監(jiān)督學(xué)習(xí)中，支持向量機(jī)、邏輯斯諦回歸與最大熵模型、提升方法各自使用合頁損失函數(shù)、邏輯斯諦損失函數(shù)、指數(shù)損失函數(shù)，分別寫為：

這 3 種損失函數(shù)都是 0-1 損失函數(shù)的上界，具有相似的形狀。(見下圖，由代碼生成）

import numpy as np import math import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.figure(figsize=(10,8)) x = np.linspace(start=-1, stop=2, num=1001, dtype=np.float) logi = np.log(1 + np.exp(-x)) / math.log(2) boost = np.exp(-x) y_01 = x < 0 y_hinge = 1.0 - x y_hinge[y_hinge < 0] = 0plt.plot(x, y_01, 'g-', mec='k', label='（0/1損失）0/1 Loss', lw=2) plt.plot(x, y_hinge, 'b-', mec='k', label='（合頁損失）Hinge Loss', lw=2) plt.plot(x, boost, 'm--', mec='k', label='（指數(shù)損失）Adaboost Loss', lw=2) plt.plot(x, logi, 'r-', mec='k', label='（邏輯斯諦損失）Logistic Loss', lw=2) plt.grid(True, ls='--') plt.legend(loc='upper right',fontsize=15) plt.xlabel('函數(shù)間隔:$yf(x)$',fontsize=20) plt.title('損失函數(shù)',fontsize=20) plt.show()

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯

獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：

https://t.zsxq.com/y7uvZF6

本站qq群704220115。

加入微信群請掃碼：

總結(jié)

以上是生活随笔為你收集整理的【机器学习基础】用Python画出几种常见机器学习二分类损失函数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。