知识卡片
损失函数定义误差代价
损失函数把单个预测与目标之间的差异转为可比较的代价。分类中的 0-1 损失只区分对错;绝对误差保留偏差大小;平方误差进一步放大较大的偏差,常写成半平方以便求导。以目标 3、预测 5 为例,绝对误差为 2,半平方误差也为 2;预测为 7 时二者分别是 4 和 8。训练时优化所选损失,但训练损失更低不自动证明模型在未见数据上更好,需要独立评估。
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
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第08章《损失函数减肥用,神经网络调权重》,8.7 损失函数的定义(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter13_0007.xhtml#txt008_8)
- 结论依据:原文和公式对比 0-1、绝对及平方损失;计算示例和泛化限制用于解释。
- 原始内容:于是,我们需要定义一个损失函数(Loss Function),也有人称之为代价函数(Cost Function)来度量这二者之间的“落差”程度。