Hinge LossのPythonによる実装方法

以下に、Hinge LossをPythonで実装する簡単な方法といくつかのコード例を示します。

import numpy as np
def hinge_loss(y_true, y_pred):
    loss = np.maximum(0, 1 - y_true * y_pred)
    return loss
# 例: 二値分類のHinge Lossの計算
y_true = np.array([-1, 1, -1])  # 正解ラベル
y_pred = np.array([-3, 2, -1])  # 予測スコア
loss = hinge_loss(y_true, y_pred)
print("Hinge Loss:", loss)

上記のコードでは、hinge_lossという関数を定義しています。この関数は、正解ラベル（y_true）と予測スコア（y_pred）を受け取り、Hinge Lossを計算して返します。具体的には、np.maximum(0, 1 - y_true * y_pred)を使って、各サンプルに対するHinge Lossを計算しています。

上記の例では、y_trueは正解ラベル（-1または1）を示し、y_predは予測スコアを示しています。Hinge Lossは正解ラベルと予測スコアの差を計算するため、正解ラベルが-1の場合は予測スコアが負であるほど損失が生じます。

これらのコード例を参考にしながら、Hinge LossのPythonによる実装方法を理解し、分類問題での利用に役立ててください。