- 损失函数:用于衡量’单个样本点’预测值与实际值的偏离程度。
- 风险函数:用于衡量’样本点平均意义’下的好坏,就是说要除以batch_size。
风险函数分为经验风险和结构风险- 经验风险:指预测结果和实际结果的差别。
- 结构风险:指经验风险 + 正则项。
风险函数是训练过程中的模型,对已知训练数据的计算。可以理解为是train过程的loss。
- 泛化函数:指模型对未知数据的预测能力。
泛化函数是训练好的模型,对未知数据的计算。可以理解为是test过程的loss
常见的论文专有名词的含义和概念
最新推荐文章于 2026-01-04 17:11:52 发布
本文深入探讨了损失函数在评估单个样本预测误差中的作用,以及风险函数如何衡量整体样本集的预测好坏。风险函数分为经验风险和结构风险,前者关注预测与实际结果的差异,后者加入正则项以防止过拟合。泛化函数则反映了模型对未知数据的预测性能,是评估模型在测试阶段表现的关键指标。通过对这些概念的理解,有助于优化模型的训练和性能提升。
1098

被折叠的 条评论
为什么被折叠?



