sklearn.linear_model.SGDClassifier中损失函数的精确定义

Question

我知道我可以将损失功能更改为以下之一：

  

损失：str，'hinge'或'log'或'modified_huber'      要使用的损失函数。默认为“铰链”。铰链损失是      标准线性SVM模型使用的保证金损失。 '日志'损失是      逻辑回归模型的丢失可以用于      二元分类器中的概率估计。 'modified_huber'      另一种平稳的损失是对异常值的容忍。

但这个功能的定义是什么？ 我了解hinge是max(0, 1 - margin)。还有其他什么呢？

Answer 1

以下是所有这些功能的图表，取自scikit-learn example gallery：

在当前的dev version of the example中，损失是在脚本中内联实现的。

Answer 2

sklearn的源代码可在GitHub上获得，因此您可以对其进行检查。损失函数列表可以在sklearn/linear_model/stochastic_gradient.py中找到。损失的定义如下：sklearn/linear_model/sgd_fast.pyx#L46