Logistic Loss und Hinge Loss vergleichen
In dieser Übung erstellst du ein Diagramm des Logistic Loss und des Hinge Loss anhand ihrer mathematischen Ausdrücke, die dir bereitgestellt werden.
Das Diagramm der Verlustfunktionen aus dem Video siehst du rechts.
Diese Übung ist Teil des Kurses
Lineare Klassifikatoren in Python
Anleitung zur Übung
- Werte die Funktionen
log_loss()undhinge_loss()an den Gitterpunkten aus, damit sie geplottet werden.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Mathematical functions for logistic and hinge losses
def log_loss(raw_model_output):
return np.log(1+np.exp(-raw_model_output))
def hinge_loss(raw_model_output):
return np.maximum(0,1-raw_model_output)
# Create a grid of values and plot
grid = np.linspace(-2,2,1000)
plt.plot(grid, ____, label='logistic')
plt.plot(grid, ____, label='hinge')
plt.legend()
plt.show()