힌지 손실 문서 원본 보기

{{위키데이터 속성 추적}}
'''힌지 손실'''(Hinge loss)은 [[기계 학습]]에서 [[통계적 분류|분류기]]를 훈련하는 데 사용되는 [[손실 함수]]이다. 힌지 손실은 "최대 마진" 분류에 사용되며, 특히 SVM([[서포트 벡터 머신]])에 사용된다.<ref>{{저널 인용| last1 = Rosasco | first1 = L. | last2 = De Vito | first2 = E. D. | last3 = Caponnetto | first3 = A. | last4 = Piana | first4 = M. | last5 = Verri | first5 = A. | url = http://web.mit.edu/lrosasco/www/publications/loss.pdf| title = Are Loss Functions All the Same? | doi = 10.1162/089976604773135104 | journal = Neural Computation | volume = 16 | issue = 5 | pages = 1063–1076 | year = 2004 | pmid =  15070510| citeseerx = 10.1.1.109.6786 }}</ref>

의도한 출력이 t = ±1이면서 분류기 점수 y에 대해 예측 y의 힌지 손실은 다음과 같이 정의된다.
:<math>\ell(y) = \max(0, 1-t \cdot y)</math>

y는 예측된 클래스 레이블이 아니라 분류기 결정 함수의 "원시" 출력이어야 한다. 예를 들어 선형 SVM에서 y = w*x b이다. 여기서 (w,b)는 초평면의 매개변수이고 x는 입력 변수이다.

== 각주 ==
{{각주}}

{{토막글|수학}}

[[분류:손실 함수]]
[[분류:서포트 벡터 머신]]