Я вижу, что обе функции являются частью методов интеллектуального анализа данных, таких как Gradient Boosting Regressors. Я вижу, что это тоже отдельные объекты.
Каковы отношения между обоими в целом?
источник
Я вижу, что обе функции являются частью методов интеллектуального анализа данных, таких как Gradient Boosting Regressors. Я вижу, что это тоже отдельные объекты.
Каковы отношения между обоими в целом?
Функция принятия решения - это функция, которая принимает набор данных в качестве входных данных и выдает решение в качестве выходных данных. Какое решение может быть, зависит от имеющейся проблемы. Примеры включают в себя:
Как правило, существует бесконечное количество функций решения, доступных для проблемы. Если, например, мы заинтересованы в оценке роста шведских мужчин на основе десяти наблюдений , мы можем использовать любую из следующих решающих функций d ( x ) :
Как тогда мы можем определить, какую из этих функций принятия решений использовать? Одним из способов является использование функции потерь , которая описывает потери (или затраты), связанные со всеми возможными решениями. Различные функции принятия решений будут приводить к ошибкам разных типов. Функция потерь говорит нам, к какому типу ошибок мы должны быть более обеспокоены. Функция наилучшего решения - это функция, которая дает наименьшую ожидаемую потерю . Что подразумевается под ожидаемой потерей, зависит от обстановки (в частности, говорим ли мы о частых или байесовских статистических данных).
В итоге:
Функция потерь - это то, что минимизируется, чтобы получить модель, которая в некотором смысле является оптимальной. Сама модель имеет решающую функцию, которая используется для прогнозирования.
Например, в классификаторах SVM:
источник