他们使用的符号有点滑稽。$f$只是输入和权重之间的点积，$w^Tx_i$. 损失函数是区分这些分类器的原因。每个损失函数都将该点积作为输入，并以不同的方式使用它。所有这些损失函数都比较了$f$以某种方式与相关的$y$价值：您正在计算相对于目标变量的损失，以了解您的模型的执行情况，然后您可以计算损失函数的梯度以改进这些预测。如果你忽略损失函数，你只剩下线性回归预测（甚至线性回归也需要一个损失函数 MSE 来拟合权重），这些预测不会相对于任何东西进行评估。