指数损失函数(Adaboost)【图文详解】

今天爱分享给大家带来指数损失函数(Adaboost)【图文详解】,希望能够帮助到大家。
学过Adaboost算法的人都知道,它是前向分步加法算法的特例,是一个加和模型,损失函数就是指数函数。在Adaboost中,经过m此迭代之后,可以得到fm(x)fm(x):

指数损失函数(Adaboost)【图文详解】插图

Adaboost每次迭代时的目的是为了找到最小化下列式子时的参数α和G:

指数损失函数(Adaboost)【图文详解】插图(1)

而指数损失函数(exp-loss)的标准形式如下

指数损失函数(Adaboost)【图文详解】插图(2)

可以看出,Adaboost的目标式子就是指数损失,在给定n个样本的情况下,Adaboost的损失函数为:

指数损失函数(Adaboost)【图文详解】插图(3)

人已赞赏
Python

平方损失函数(最小二乘法, Ordinary Least Squares )【图文详解】

2020-12-24 15:24:02

Python

Hinge损失函数(SVM)【图文详解】

2020-12-24 15:38:28