11、深度学习中的损失函数、优化算法与TensorFlow入门

深度学习中的损失函数、优化算法与TensorFlow入门

1. 损失函数

1.1 回归损失函数

• 均方误差损失（MSE）
  • TensorFlow示例 ： model.compile(loss='mean_squared_error') 或 model.compile(loss='mse')
• 均方对数误差损失（MSLE）
  • 简要描述 ：先计算预测值的对数，再计算均方误差。
  • 适用场景 ：当目标变量的值分布较广，且在预测大值时，不想像均方误差那样对模型进行严厉惩罚，通常用于模型预测未缩放的值。
  • 适用激活函数 ： model.add(Dense(1, activation='linear'))
  • TensorFlow示例 ： model.compile(loss='mean_squared_logarithmic_error')
• 平均绝对误差损失（MAE）
  • 简要描述