zoukankan      html  css  js  c++  java
  • 基石1:loss function

    损失函数就是评估预测值和真实值的差距。

    分类:经验损失(所有样本上的平均值,所以是经验),结构损失(在经验损失的基础上添加正则项)

    常见分类

    a. 0-1 loss

    非黑即白,正确就是 loss=0,错误就是 loss = 1。

    有点过于严苛,所以 svm 放松到一定距离。

    由于是非凸函数,不适用 gradient descent。

    b. 绝对值损失函数

    详见 l1 loss

    c. log loss

    d. 平方误差损失函数

    详见 l2 loss

    结构损失

    1. l1 loss

    脑海中可以是它的求导函数。-1, 1,0处不可导。倒数先降后升,所以有最小值点。即为0。

    由于倒数不是 -1, 就是1。对异常点不敏感。但是训练到后期,如果学习率不发生改变,损失函数会在稳定值附近波动,难以达到高精度。

    2. l2 loss

    倒数是 2*(y- y_true),下降速度与差值有关,所以会对异常点敏感。但是后期,更稳定,收敛速度更快。

    由于各处倒数不一致,可能有的地方梯度很大,有的地方梯度很小,造成梯度下降或者梯度爆炸。

  • 相关阅读:
    React 生命周期
    React 总结
    系统后台设置
    数据库的事务日志已满,起因为"LOG_BACKUP"。
    webpack 打包器
    地图API
    ES6 与 React
    前端流行的技术
    Javascript 函数声明、函数表达式与匿名函数自执行表达式
    Javascript 解读与思想
  • 原文地址:https://www.cnblogs.com/toonice/p/14657150.html
Copyright © 2011-2022 走看看