损失函数和决策函数有什么区别?


Answers:


45

决策功能是一个函数,它接受的数据集作为输入,并给出了一个决定作为输出。可以做出什么样的决定取决于当前的问题。示例包括:

  • 估计问题: “决定”是估计。
  • 假设检验问题:决定是拒绝还是不拒绝原假设。
  • 分类问题:决定是将一个或多个新观察值分类。
  • 模型选择问题:决定是选择候选模型之一。

x=(x1,x2,,x10)d(x)

  • d(x)=110i=110xi
  • d(x)=median(x)
  • d(x)=x1x1010
  • d(x)=1x

然后,我们如何确定要使用这些决策功能中的哪个?一种方法是使用损失函数,该函数描述与所有可能的决策相关的损失(或成本)。不同的决策功能将倾向于导致不同类型的错误。损失函数告诉我们应该更关注哪种类型的错误。最佳决策函数是产生最低预期损失的函数。预期损失的含义取决于设置(特别是,我们是在谈论常客还是贝叶斯统计)。

综上所述:

  • 决策功能用于根据数据进行决策。
  • 损失函数用于确定使用哪个决策函数。

对于参数决策函数(例如,逻辑回归,阈值决策),基本上每个参数组合都有一个可能的函数,而损失函数用于查找最佳参数。常见示例:如果使用梯度下降来探索参数空间,则可以得出与参数有关的损耗,并降至损耗的(局部)最小值。
pixelou

7

损失函数是最小化以获得在某种意义上最佳的模型的函数。该模型本身具有用于预测的决策函数。

例如,在SVM分类器中:

  • 损失函数:最小化分离超平面误差和平方范数L(w,ξ)=12w2+Ciξi
  • f(x)=wTx+b

范数不是等于距离吗,还是我在这里混合了一些东西……决策函数始终是我用来“比较”实际值的损失函数的一部分,我试图将其固定为模型?目标是使这种“差异”最小化?
Hiatus 2014年

决策函数中未使用@Hiatus分离超平面的规范(在训练SVM时会对其进行优化)。使用超平面本身。培训期间最小化规范基本上是正规化的一种形式。
马克·克莱森

最好给出一个与任何特定分类器无关的更通用的答案。
smci
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.