Xtreme Margin：一种用于二分类问题的可调损失函数

损失函数驱动机器学习算法的优化。损失函数的选择会对模型的训练以及模型学习数据的方式产生显著影响。二分类是机器学习问题的主要支柱之一，应用于从医学影像到故障检测等诸多领域。二分类最常用的替代损失函数包括二元交叉熵和铰链损失函数，它们构成了我们研究的重点。在本文中，我们概述了一种新颖的损失函数——Xtreme Margin 损失函数。与二元交叉熵和铰链损失函数不同，该损失函数通过可调超参数 $\lambda_1$ 和 $\lambda_2$ 为研究者和从业者提供了训练过程的灵活性，从最大化精确率和 AUC 分数到针对特定类别最大化条件准确率，即改变它们的值将改变模型的训练。