SVM损失函数--Hinge loss 简介

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(标签)。

如果 $y\hat{y}<1$ ，则损失为： $1-y\hat{y}$
如果 $y\hat{y}\ge 1$ ，则损失为：0

SVM的损失函数就是Hinge loss加上正则化项