机器学习的损失函数 loss function

本文介绍了机器学习中常用的损失函数,包括交叉熵、平方误差、指数误差、逻辑误差等,并探讨了正则化的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习的损失函数 loss function

@(deepLearning)

loss function:
  • 作为优化的目标的函数,又称为代价函数(cost function)。
    L=i=0n1(yi,yi^)L=∑i=0n−1ℓ(yi,yi^)
1.常见的损失函数
  • 1)交叉熵(cross entropy):如在逻辑回归LR。
    (yi,yi^)=yilogyi^(1yi)log(1yi^),yi{0,1}ℓ(yi,yi^)=−yi⋅logyi^−(1−yi)⋅log(1−yi^),yi∈{0,1}
  • 2)平方误差(square loss):常用于回归。
    (yi,yi^)=(yiyi^)2ℓ(yi,yi^)=(yi−yi^)2
  • 3)指数误差(exponential loss):常用于boosting算法。
    (yi,yi^)=eyiyi^,yi{1,1}ℓ(yi,yi^)=e−yi⋅yi^,yi∈{−1,1}
  • 4)逻辑误差(logistic loss):
    (yi,yi^)=log(1+eyiyi^)ℓ(yi,yi^)=log(1+e−yi⋅yi^)
  • 5)正则项(regularization):
    L=i=0n1(yi,yi^)+λR(ω)L=∑i=0n−1ℓ(yi,yi^)+λ⋅R(ω)

    • L1正则化
    • L2正则化
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值