熱線電話:13121318867

登錄
首頁大數據時代常見的機器學習中損失函數有哪些?
常見的機器學習中損失函數有哪些?
2020-07-03
收藏

今天我們來盤點一下那些常見的機器學習中的損失函數有哪些。

用于計算損失的函數稱為損失函數。模型每一次預測的好壞用損失函數來度量。機器通過損失函數進行學習,如果預測值與實際結果偏離較遠,損失函數會得到一個非常大的值。

損失函數通常由經驗風險和正則化項組成:

損失函數通常由以下幾種:

平方損失函數

平方損失函數常用在最小二乘法中。它的思想是使得各個訓練點到最優擬合線的距離最小(平方和最小)。平方損失函數定義如下:

對數損失函數

對于邏輯回歸

邏輯回歸,標簽y=0y=0或y=1y=1.那么代價函數

綜合起來,可以得到

這只是二分類的情況,如果是多分類,則用到Softmax,,假設有k類,對應每個類別的概率分別為:

那么損失函數

Hinge損失函數

SVM分類器中,常常使用hinge loss函數,用來最大化“分類間隔”。加上正確類別為yy,分類間隔最小為mm,那么

其中WyXWyX為正確類別的得分,即正確類別的得分,最少要比錯誤類別大mm,否則Loss就不為零。

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢