HyperAI

Marge Dure

Intervalle durC'est la base de la sélection de l'hyperplan de segmentation dans la machine à vecteurs de support. Il s'agit de la situation où la classification est totalement précise et où il n'y a pas de fonction de perte, c'est-à-dire que la valeur de perte est de 0. Il suffit de trouver le plan exactement au milieu de deux classes hétérogènes. L'opposé de l'intervalle dur est l'intervalle doux.

Intervalle douxCela signifie qu’un certain nombre d’erreurs de classification d’échantillons sont autorisées. La fonction d'optimisation se compose de deux parties, à savoir la distance d'intervalle du point au plan et le nombre de pertes de classification erronée ; C est le coefficient de pénalité et le nombre d'erreurs de classification est la valeur de pondération dans la fonction d'optimisation. Plus la valeur de poids est élevée, plus la pénalité pour les pertes dues à une mauvaise classification est importante.

Les fonctions de perte de classification erronée peuvent être divisées en perte de charnière, perte exponentielle et perte logarithmique, mais la fonction de perte qui est souvent utilisée ou utilisée par défaut est la fonction de marge souple de la perte de charnière.

Références

【1】Marge dure et marge souple SVM (blog CSDN)