初识神经网络——损失函数

运用神经网络可以解决简单的机器问题，如分类问题与回归问题，这些联系数学的映射可能可以理解的更为清楚。

分类问题就如其名，是将数据进行分类，其包括二分类问题与多分类问题。二分类问题可以联系数学中的是非函数，多分类问题则可联系数学中普通的映射。

回归问题中“回归”在数学也是耳熟能详的，简单说来即是预测值与真实值的对比而进行回归分析。

了解这个基础之后，正式地介绍一下损失函数。

损失函数（目标函数）是在网络训练的过程中，用于估量预测值与真实值之间不一致程度的非负值函数，其数值随参数调整而变化。选择正确的目标函数对于解决问题至关重要，网络的目的是使损失尽可能最小化，选择与成功完成当前任务相关的目标函数，才能以其衡量当前任务是否已成功完成。

而对于常见的问题，可遵循一些简单的知道原则来选择正确的损失函数。

对于二分类问题，使用二元交叉熵（binary crossentropy）损失函数；

对于多分类问题，使用分类交叉熵（categorical crossentropy）损失函数；

对于回归问题，使用均方误差（mean-squared error）损失函数。

当然，在面对全新的研究问题时，还是需要自主开发目标函数。