Hinge Loss
Verificato
Aggiornato il 14/08/2026
Significato di «Hinge Loss»
Funzione di perdita usata soprattutto dalle Support Vector Machine, che penalizza le predizioni non solo errate ma anche corrette con margine insufficiente. Spinge il modello a separare le classi con il massimo margine possibile, restando a zero solo oltre una certa soglia di confidenza.
Fonti: Perdita max-margin max(0,1-y*score) delle SVM. Fonti: scikit-learn (metrics.hinge_loss, LinearSVC); Hastie/Tibshirani, ESL (SVM). Verifica web 2026-08-03. · Verificato il 2026-08-03
Domande frequenti su Hinge Loss
Cosa significa «Hinge Loss»?
Funzione di perdita usata soprattutto dalle Support Vector Machine, che penalizza le predizioni non solo errate ma anche corrette con margine insufficiente. Spinge il modello a separare le classi con il massimo margine possibile, restando a zero solo oltre una certa soglia di confidenza.
A quale glossario appartiene «Hinge Loss»?
«Hinge Loss» fa parte del glossario Machine Learning, nella categoria Intelligenza Artificiale di Glossario Italiano.