hinge loss

在机器学习中，hinge loss是一种损失函数，它通常用于”maximum-margin”的分类任务中，如支持向量机。数学表达式为：

其中 \(\hat{y}\) 表示预测输出，通常都是软结果（就是说输出不是0，1这种，可能是0.87。）， \(y\) 表示正确的类别。 - 如果 \(\hat{y}y<1\) ，则损失为： \(1-\hat{y}y\) - 如果\(\hat{y}y>1\) ，则损失为：0