常见机器学习模型损失函数
本文介绍了几种常见的机器学习模型及其对应的损失函数：逻辑回归(Logistic Regression, LR)使用交叉熵损失(crossentropyloss)，AdaBoost采用指数损失(expotionalloss)，支持向量机(SVM)利用铰链损失(hingeloss)，而典型的回归模型则常采用均方误差(MSE)作为损失函数。此外，文中还提及在神经网络中进行分类任务时，通常会采用逻辑回归/softmax回归，因为这种方法便于进行反向传播(backpropagation)。
http://www.cnblogs.com/rocketfan/p/4083821.html
lr的损失函数是 cross entropy loss， adaboost的损失函数是 expotional loss ,svm是hinge loss，常见的回归模型通常用均方误差loss。
在神经网络中分类都是用LR/softmax regression，因为能求导，做backpropagation方便了
转载于:https://www.cnblogs.com/ymjyqsx/p/6791667.html
922
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
