这篇博客介绍了神经网络中常见的三种损失函数：均方误差（MSE）、自定义损失函数（如分段函数）以及交叉熵。MSE衡量预测值与标准值之间的差距，自定义损失函数可以按需求定制，而交叉熵用于评估预测概率分布与实际分布的接近程度。在Tensorflow中，通过特定函数实现这些损失函数的计算。
神经网络中常用以下三种损失函数：
均方误差：
MSE（y_, y）= (Σn (y – y_ )2)/n
其中y_ 代表标准值，y代表预测值
Tensorflow 代码：
Loss = tf.reduce_mean(tf.square(y_,y))
自定义损失函数：
Loss = Σn f(y_,y)
如，将损失定义为分段函数：
其中profit、cost 为常数，y_ 代表标准值，y代表预测值
Tensorflow 代码：
Loss = tf.reduce_sum(tf.where(tf.greater(y,y_), COST*(y-y_),PROFIT*(y_-y)))
表示y是否大于y_ 是则返回COST*(y-y_)，否则返回PROFIT*(y_-y)
最低0.47元/天 解锁文章
扫一扫
1951
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
