本节均以二分类问题为例进行展开，统一定义类别标签 y ∈ { + 1 , − 1 } y\in\{+1,-1\} y∈{+1,−1}，则分类正确时 y f ( x ; w ) > 0 yf(x;w)>0 yf(x;w)>0，且值越大越正确；错误时 y f ( x ; w ) < 0 yf(x;w)<0 yf(x;w)<0，且值越小越错误。不同损失函数间的损失随 y f ( x ; w ) yf(x;w) yf(x;w)变化如下图所示：
平方损失
L = ( y − f ( x ; w ) ) 2 = y 2 − 2 y f ( x ; w ) + f 2 ( x ; w ) = 1 − 2 y f ( x ; w ) + y 2 f 2 ( x ; w ) = ( 1 − y f ( x ; w ) ) 2 \begin{aligned} \mathcal{L} &=(y-f(x;w))^2 \\ &=y^2-2yf(x;w)+f^2(x;w) \\ &=1-2yf(x;w)+y^2f^2(x;w) \\ &=(1-yf(x;w))^2 \end{aligned} L=(y−f(x;w))2=y2−2yf(x;w)+f2(x;w)=1−2yf(x;w)+y2f2(x;w)=(1−yf(x;w))2
对于平方损失来说，当 y f ( x ; w ) < 1 yf(x;w)<1 yf(x;w)<1时，损失函数单调递减，此时如果用梯度下降进行优化，最终会收敛于点1。但当 y f ( x ; w ) > 1 yf(x;w)>1 yf(x;w)>1时，损失函数单调递减，同样在进行优化时还是会收敛于1，但事实上 y f ( x ; w ) yf(x;w) yf(x;w)越大说明分类越正确。因此可以说，平方损失不适合做分类任务。
Logistic回归的损失函数（交叉熵损失）
L = − I ( y = 1 ) log σ ( f ( x ; w ) ) − I ( y = − 1 ) log ( 1 − σ ( f ( x ; w ) ) ) = − I ( y = 1 ) log σ ( f ( x ; w ) ) − I ( y = − 1 ) log ( σ ( − f ( x ; w ) ) ) = − log σ ( y f ( x ; w ) ) = log σ − 1 ( y f ( x ; w ) ) = log ( 1 + exp ( − y f ( x ; w ) ) ) \begin{aligned} \mathcal{L} &=-I(y=1)\log\sigma(f(x;w))-I(y=-1)\log(1-\sigma(f(x;w)))\\ &=-I(y=1)\log\sigma(f(x;w))-I(y=-1)\log(\sigma(-f(x;w)))\\ &=-\log\sigma(yf(x;w))\\ &=\log\sigma^{-1}(yf(x;w))\\ &=\log(1+\exp(-yf(x;w))) \end{aligned} L=−I(y=1)logσ(f(x;w))−I(y=−1)log(1−σ(f(x;w)))=−I(y=1)logσ(f(x;w))−I(y=−1)log(σ(−f(x;w)))=−logσ(yf(x;w))=logσ−1(yf(x;w))=log(1+exp(−yf(x;w)))
对于函数 σ ( x ) \sigma(x) σ(x)，可证 1 − σ ( x ) = σ ( − x ) 1-\sigma(x)=\sigma(-x) 1−σ(x)=σ(−x)，且 I I I是指示函数，
I ( y = 1 ) = 1 y = 1 = { 1 y = 1 0 y = − 1 I(y=1)=\mathbb{1}_{y=1}=\left\{\begin{aligned} &1&y=1\\\\ &0&y=-1 \end{aligned}\right. I(y=1)=1y=1=⎩ ⎨ ⎧10y=1y=−1
I ( y = − 1 ) = 1 y = − 1 = { 1 y = − 1 0 y = 1 I(y=-1)=\mathbb{1}_{y=-1}=\left\{\begin{aligned} &1&y=-1\\\\ &0&y=1 \end{aligned}\right. I(y=−1)=1y=−1=⎩ ⎨ ⎧10y=−1y=1
由图像可知，随着 y f ( x ; w ) yf(x;w) yf(x;w)的增大，函数损失逐渐减小最终趋于0。这样虽然满足了 y f ( x ; w ) yf(x;w) yf(x;w)越大分类效果越好的条件，但其实这是没必要的，因为当损失大于0时就可以完成分类任务。因此虽然说交叉熵损失可以满足分类要求，但造成了一些不必要的计算，仍然具有改进空间。
感知器的损失函数
L = max ( 0 , − y f ( x ; w ) ) \mathcal{L}=\max(0,-yf(x;w)) L=max(0,−yf(x;w))
感知器损失解决了交叉熵损失的问题。感知器损失是专门为分类而设计的损失函数，其结果与真实效果基本一致。
软间隔支持向量机的损失函数（Hinge损失）
L = max ( 0 , 1 − y f ( x ; w ) ) \mathcal{L}=\max(0,1-yf(x;w)) L=max(0,1−yf(x;w))
Hinge损失与感知器损失在几何上的不同仅仅在于Hinge损失在感知器损失的基础上向右平移了一个单位，这就导致了Hinge损失对距离分界面较近的样本（ y f ( x ; w ) yf(x;w) yf(x;w)落在0到1之间）造成一定的惩罚。
结论
从模型健壮性角度来讲，选择支持向量机（Hinge损失）来解决一般分类问题的效果更好
各线性分类模型对比如下表所示
XOR问题
感知器和支持向量机虽然在线性可分问题上表现良好，但其无法解决非线性可分问题，例如XOR（异或）问题。
假设空间中有两个变量 ( x 1 , x 2 ) (x_1,x_2) (x1,x2)，对两个变量分别取与、或、异或逻辑运算，结果如下图所示。
对于与运算和或运算产生的结果来说，总能找到一个分界面来把两类分开，也就是说这两个结果产生的数据集是线性可分的；但异或运算的结果无法直接找到一个分界面，也就是说它的结果数据是非线性可分的。XOR这类非线性可分问题是无法通过线性分类器来解决的。
要解决这类问题，可以借助使用”基函数“的广义线性模型，也就是把线性模型过一个基函数，让线性模型变为非线性的，也就是将 f ( x ) = w T x f(x)=w^Tx f(x)=wTx变成 f ( ϕ ( x ) ) = w T ϕ ( x ) f(\phi(x))=w^T\phi(x) f(ϕ(x))=wTϕ(x)，这样就实现了将非线性可分的数据集映射到另一个空间中，映射的数据集在这个空间中是线性可分的。
以下图为例，
左图表示原来的数据集，可见该数据集是非线性可分的。但它有一个很明显的特征，对于这个数据集来说，可以找到一个中心点，计算样本到中心点的距离，使得中心点某个范围内的为一类，范围外的为另一类，这样就可以构建出一个特征函数，将原本非线性可分的数据集映射到线性可分的数据集上。（上面这个图是按照坐标(-1,-1)附近那个绿色中心点建立的，得到的结果就如右图所示）
