SVMにおける損失と正則化 - 射撃しつつ前転 改

前に書いたSVMの記事で、「L1とかL2というのは間違えたときのペナルティをどう定義するかを意味しており」と書いていたが、L1とかL2って正則化項の話なんじゃないの、と疑問に思った。1ヶ月ほど時間をおいてのセルフツッコミである。確認しようとしてカーネル多変量解析を読むと、やはり正則化項についてはL1とL2の両方の説明が書いてあるが、損失に関しては普通のHinge Loss（=L1 Loss）しか書いてない。 と言う訳で、ああ、間違えちゃったなぁ、と暗澹たる気持ちで"A dual coordinate descent method for large-scale linear SVM"を読み直してみたところ、やっぱりL1-SVMというのは損失が普通のHinge Lossで、L2-SVMというのはHinge Lossの2乗を損失とすると書いてあった。両方とも正則化項についてはL2正則化を使って

[Hash]

正則化項ってなんじゃろと思ってたけどちょっと近付いた

[t080400]

svm 正則化項　マージン　損失関数　svmlight

[masasyou310]

svm 正則化項　マージン　損失関数　svmlight

[TohgorohMatsui]

SVMにおける損失と正則化 | 射撃しつつ前転

[stealthinu]

SVMでL1とL2どちらを使うのが良いかという話。難しくて理解できん…