常见的损失函数 - 码农知识堂 - 文章详情页

常见的损失函数
5. 常见的损失函数
文章目录
- 5. 常见的损失函数
  5.1 损失函数
  5.2 分类任务
  5.2.1 交叉熵损失函数(多分类)
  5.2.2 二分类任务的交叉熵损失函数(sigmoid)
  
  5.3 回归任务
  5.3.1 MAE 损失
  5.3.2 MSE 损失
  5.3.3 smooth L1 损失
5.1 损失函数

用来衡量模型输出和真实值之间的差异

又叫误差函数、目标函数、代价函数

衡量模型的质量的函数

 5.2 分类任务

5.2.1 交叉熵损失函数(多分类)
- softmax损失
- 多分类任务中使用最多
- 计算方法
- 目的：最小化正确类别所对应的预测概率的对数的负值 → 即最大化概率值
- 预测值越接近真实值，损失函数越小
5.2.2 二分类任务的交叉熵损失函数(sigmoid)
5.3 回归任务

5.3.1 MAE 损失
- L1 Loss
  - 以绝对误差作为距离
5.3.2 MSE 损失
- L2 Loss
  - 以误差的平方作为距离
5.3.3 smooth L1 损失
相关阅读:
R - 非线性最小二乘
 学生护眼灯色温多少合适？推荐色温在4000K的暖光护眼台灯
 Linux | 工具使用(vim gcc g++ gdb yum git)
Prompt进阶2:LangGPT(构建高性能Prompt策略和技巧)--最佳实践指南
 大厂常见面试题LRU算法实现
 [自动化测试]树莓派4B安装pyppeteer
Linux 信号
 Grads：绘制风流畅
 8_vue是如何进行数据代理的
 ds项目管理
原文地址：https://blog.csdn.net/weixin_44226181/article/details/126189135