Binomial Deviance
log(1 + exp(-2yf)) で定義される損失関数。ロジスティック損失とも呼ばれる。指数損失と理論上の最適解が一致するが、マージンが大きく負になっても損失の増加が線形にとどまるため、ノイズや外れ値に対して頑健。現実の分類問題では指数損失より推奨される。
「指数損失とロジスティック損失は理論上の最適解が一致する」
「二項逸脱度はノイズに強く現実のデータマイニングで推奨」
「指数損失と同じ母集団最小化解を持つが、誤分類への反応は線形にとどまる双子の関係」
「二項偏差 log(1+exp(-2yf)) はノイズに強い分類損失」
「ノイズ点の損失は線形にしか増えないため過剰反応しない」