← 返回卡片

原书出处

推荐系统全链路设计:原理解读与业务实践

06 神经网络模型调参 6.3 怎么为神经网络选择损失函数

核验版本的摘录快照 · 导入于 2026-11-10T16:53:59.777Z

这里使用梯度下降来优化损失函数,对特定输入 x j 求导,那么其导数为: 将Softmax的导数代入得: 因为onehot的原因, 只有一个值的标签为1,其余为0,因此式子可以写为: 从上式可以看出,Softmax函数的交叉熵损失的求导结果正好是预测值 和真实标签 y j 之差

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/60.html

EPUB SHA-256:561f2b6070e9967ef1d88dae2b51a30edc601db97e3e286e0e39db1c1d5c3a9e