Je vois que les deux fonctions font partie des méthodes d'extraction de données telles que Gradient Dynamiser régresseurs. Je vois que ce sont aussi des objets séparés.
Quelle est la relation entre les deux en général?
la source
Je vois que les deux fonctions font partie des méthodes d'extraction de données telles que Gradient Dynamiser régresseurs. Je vois que ce sont aussi des objets séparés.
Quelle est la relation entre les deux en général?
Une fonction de décision est une fonction qui prend un ensemble de données en entrée et donne une décision en sortie. La décision à prendre dépend du problème à résoudre. Les exemples comprennent:
Comment alors déterminer laquelle de ces fonctions de décision utiliser? Une façon consiste à utiliser une fonction de perte , qui décrit la perte (ou le coût) associée à toutes les décisions possibles. Différentes fonctions de décision auront tendance à conduire à différents types d'erreurs. La fonction de perte nous indique de quel type d'erreurs nous devrions être plus préoccupés. La meilleure fonction de décision est la fonction qui produit la perte attendue la plus faible . Ce que l'on entend par perte attendue dépend du contexte (en particulier, qu'il s'agisse de statistiques fréquentistes ou bayésiennes ).
En résumé:
La fonction de perte est ce qui est minimisé pour obtenir un modèle qui est optimal dans un certain sens. Le modèle lui-même a une fonction de décision qui est utilisée pour prédire.
Par exemple, dans les classificateurs SVM:
la source