每个机器学习工程师都应该了解这些常见的损失函数以及何时使用它们。
文章目录
一、损失函数介绍
-
- 一、损失函数介绍
- 二、分类损失
-
- 2.1 交叉熵损失/对数损失
- 2.2 铰链损失
- 三、回归损失
-
- 3.1 均方误差
- 3.2 平均绝对误差
- 3.3 HUBER损失
- 3.4 LOG-COSH 损失
- 3.5 分位数损失
损失函数是一种评估机器学习算法对特征数据集建模效果的方法。换句话说，损失函数是衡量模型在预测预期结果方面的好坏。
成本函数和损失函数指的是相同的上下文（即使用反向传播来最小化实际结果和预测结果之间的误差的训练过程）。我们将成本函数计算为所有损失函数值的平均值，而我们计算每个样本输出与其实际值相比的损失函数。
损失函数与您构建的模型的预测直接相关。如果您的损失函数值较低，您的模型将提供良好的结果。您用于评估模型性能的损失函数（或者更确切地说，成本函数）需要最小化以提高其性能。
机器学习中的损失函数是什么？ 损失函数是一种评估机器学习算法对特征数据集
