Hinge loss: что это
Коротко
Hinge loss: max(0, 1 - y·f(x)) для y ∈ {-1, +1}. Ноль, если объект классифицирован верно с отступом не меньше 1, иначе линейный штраф.
Определение
max(0, 1 - y·f(x)) для y ∈ {-1, +1}. Ноль, если объект классифицирован верно с отступом не меньше 1, иначе линейный штраф. Выпуклая верхняя оценка ошибки 0-1. Функция потерь SVM.
Из урока «kNN и SVM за 6 минут»
Второе слагаемое это hinge loss: ноль, если объект с правильной стороны с отступом ≥ 1. SVM минимизирует hinge loss, зависит только от опорных векторов, а вероятности получают калибровкой (Platt scaling).
Читать урок целикомВопросы по теме с собеседований
Запомните, а не прочитайте
В тренажёре карточка вернётся, когда начнёт забываться. А билеты по Классический ML проверят, что термин понятен в деле.