知识卡片
交叉熵梯度与平方损失不能混用
书中Sigmoid二分类代码用X转置乘(p−y)更新参数,对应伯努利负对数似然的梯度;记录的0.5乘残差平方和却是另一目标。若真优化平方损失,还需乘Sigmoid导数。应明确训练目标,诊断曲线也记录相应目标。
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
- · 查看原书依据
loss = output-labels error = 0.5*sum(multiply(loss, loss)) # loss function errorlist.append(error) grad = dataMat.T*loss
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于交叉熵梯度与平方损失不能混用的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:loss = output-labels error = 0.5*sum(multiply(loss, loss)) # loss function errorlist.append(error) grad = dataMat.T*loss