知识卡片
损失函数编码误差
0–1损失只计分类是否错误;平方损失放大大误差;绝对损失按误差幅度线性计罚;对数损失以真实类别的预测概率衡量惩罚,即−log P(y|x)。选择损失就是规定什么错误更昂贵,应与任务目标对应;对数损失需处理概率为零等数值边界。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习:范型与架构 · 查看原书依据
常见的损失函数包括以下四个。 (1)0-1损失函数 (2)平方损失函数 (3)绝对损失函数 (4)对数损失函数 很明显,损失函数越小,则习得的模型越好。
参考来源
- 位置:《大数据日知录:架构与算法》第15章《机器学习:范型与架构》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00020.html)
- 结论依据:原文在本章对损失函数编码误差给出的定义、机制或示例支持本卡;技术产品描述限于2014年书中版本,示例与实测区分。
- 原始内容:常见的损失函数包括以下四个。 (1)0-1损失函数 (2)平方损失函数 (3)绝对损失函数 (4)对数损失函数 很明显,损失函数越小,则习得的模型越好。