在SVM和Softmax分类器中添加数据点对损失的影响

是否有可能在训练集中添加一个新的数据点,使得SVM的损失保持不变,而Softmax分类器的损失却发生变化?


回答:

在SVM中,如果新数据点的得分超出了正确类别得分的边缘范围,损失就不会发生变化;但在Softmax损失中,如果新添加的数据点的得分接近正无穷,它将对损失产生不利影响,Softmax的损失肯定会发生变化。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注