svm - 为什么不在感知器或 SVM 中使用 0-1 损失函数？

Question

为什么在感知器或 SVM 算法中不使用 0-1 损失函数（从概念二元分类模型的角度来看是最明显和信息最丰富的）？

score 2 · Accepted Answer

在感知器的情况下，大多数时候它们使用梯度下降（或类似的东西）进行训练，并且 0-1 损失函数是平坦的，因此它不能很好地收敛（更不用说它在 0 处不可微）

SVM 是基于解决一个优化问题，使类之间的边距最大化。因此，在这种情况下，凸损失函数更可取，因此我们可以使用几种通用的凸优化方法。0-1 损失函数不是凸函数，因此也不是很有用。请注意，这是由于当前的技术水平，但是如果发现了一种有效优化非凸函数的新方法，那么情况将会改变。

编辑：错字

1 回答 1