Perda de articulação

Em aprendizagem automática, a perda de articulação é uma função de perda^[1][2] usada para classificadores de treinamento.^[3] A perda de articulação é usada para classificação de "margem máxima",^[4][5][6] principalmente para máquinas de vetores de suporte (SVMs).^[7] Para uma saída pretendida t = ±1 e um escore de classificador y, a perda de articulação da previsão y é definida como:

$${\displaystyle \ell (y)=\max(0,1-t\cdot y)}$$

Observe que y deve ser a saída "crua" da função de decisão do classificador, não o rótulo da classe prevista. Por exemplo, em SVMs lineares ${\displaystyle y=\mathbf {w} \cdot \mathbf {x} +b}$, onde ${\displaystyle (\mathbf {w} ,b)}$ são os parâmetros do hiperplano e ${\displaystyle \mathbf {x} }$ é o ponto a ser classificado. Pode-se ver que quando t e y têm o mesmo sinal (que significa que y prediz a classe correta) e ${\displaystyle |y|\geq 1}$, a perda de articulação ${\displaystyle \ell (y)=0}$, mas quando eles têm sinal oposto, ${\displaystyle \ell (y)}$ aumenta linearmente com y (erro unilateral).^[8][9][10]

A em aprendizagem de máquina, a perda de articulação também é conhecida como "hinge loss" ou como "SVM loss".