Gambaran komprehensif fungsi kerugian?

Saya mencoba untuk mendapatkan perspektif global tentang beberapa ide penting dalam pembelajaran mesin, dan saya bertanya-tanya apakah ada perawatan komprehensif dari berbagai konsep kerugian (kuadrat, log, engsel, proksi, dll.). Saya sedang memikirkan sesuatu yang sejalan dengan presentasi formal yang lebih komprehensif dan komprehensif dari John Langford tentang Kehilangan Fungsi Semantik .

The Tutorial Energi Pembelajaran Berbasis oleh LeCun et al. mungkin membuat Anda menjadi bagian dari perjalanan ke sana. Mereka menggambarkan sejumlah fungsi kerugian dan mendiskusikan apa yang membuatnya "baik atau buruk" untuk model berbasis energi.

Nah, ini dia dan itu . Dua makalah oleh Cramer dan yang lainnya membahas kerugian dalam konteks algoritma pembelajaran online.

Fungsi kerugian diberikan oleh masalah. Itu bisa apa saja. Misalnya, Anda juga dapat menghukum waktu dan ruang CPU yang digunakan.

Dalam pembelajaran penguatan, fungsi kerugian adalah fungsi non-deterministik yang tidak diketahui. Anda tidak dapat mendefinisikan ulang tanpa mengubah masalah.

Saya tahu pertanyaan ini agak ketinggalan zaman, tetapi saat ini saya tertarik.

Sebuah makalah yang sangat baik tentang topik fungsi kehilangan cembung dan konsistensi klasifikasi adalah " Perilaku Statistik dan Konsistensi Metode Klasifikasi Berdasarkan Minimisasi Risiko Cembung " oleh Tong Zhang.