损失/误差函数(loss function)又叫做代价函数(cost function),是用来评估模型的预测值与真实值不一致的程度,也是神经网络中优化的目标函数,神经网络训练或者优化的过程就是最小化损失函数的过程,损失函数越小,说明模型的预测值就越接近真实值,模型的健壮性也就越好。
损失函数可以被大约分成三种类别:
Mean squared error (MSE)
何时使用: 这是Regression问题的默认误差函数,推荐使用於目标变数是普遍或者高斯型态的分布状态
Mean squared logarithmic error (MSLE)
这个函数先计算预测值的对数值和计算MSE
何时使用: 当目标变数具分散值和预测较大的值时,可能不希望惩罚模组像是MSE那麽严重。通常使用於你的模组在预测非刻度值时。
Mean absolute error loss
将其计算为期望值与预测值之间的绝对差平均值。
何时使用: 当目标变数是普遍分散和有些离群值时。
Binary cross-entrpoy
这是二元分类问题的预设损失函数,此函数优於其他函数。
Cross-entropy计算了实数与预测第一类别机率分布的平均总和数,分数是被最小化的,且最好的值设定为零。
何时使用: 当目标数值的范围在0到1之间。
Hinge loss
这个函数备主要使用於支援向量机,基於二元分类。
何时使用: 当目标数值的范围在-1到1之间。
Squared hinge loss
此函数计算hinge loss的平方,平滑误差还数的表层,使其更容易使用在数值上。
参考资料:
https://kknews.cc/code/9opor8j.html
<<: DAY 10-《区块密码2》AES(2)-密钥排程及安全性
第二天装好django 然後建立了第一个专案bb後 然後我按照影片教的执行 runserver 然後...
时间管力大师就是要忙里偷闲 各位应该知道 JavaScript 是单执行绪(单线程)的程序语言,也...
开发和部署安全服务和应用程序需要与许多内部和外部系统整合,例如:身份验证和云端储存。 许多软件开发都...
OLED 绘制数学图形 教学原文参考:OLED 绘制数学图形 这篇文章会使用 micro:bit 连...
今天作为机器学习这系列的收尾,我们来聊聊深度学习与机器学习的差异,以及为什麽现今的机器学习/深度学习...