힌지 손실 함수모양이 경첩과 같아서 이름도 경첩에서 유래했습니다. 이 손실 함수는 주로 지원 벡터 머신에 존재하며, 이는 정확한 분류뿐만 아니라 손실이 0이 될 만큼 충분히 높은 신뢰 수준도 요구합니다. 즉, 힌지 손실 함수는 학습을 위해 더 높은 요구 사항을 갖습니다.

힌지 손실 함수의 공식은 L(y(w*x+b)) = [1 – y(w*x+b)]입니다.

힌지 손실은 분류기, 특히 지원 벡터 머신을 훈련하는 데 사용되는 손실 함수입니다.