知识卡片
损失保留错误程度
二分类的阶跃输出只显示类别,掩盖错误的严重程度。设线性得分 z=w·x+b,标签 l 为 −1 或 1,书中损失为 max(−lz, 0):两者异号时值为 −lz,同号时为 0。损失函数可直接比较阶跃之前的线性得分与标签:以标签正负和得分的符号判断是否分错,并让分错越严重时损失越大;训练再朝降低损失的方向调整参数。不同任务可采用不同损失函数。
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
- 机器学习与模型 1.3 损失函数 · 查看原书依据
ADALINE用阶跃函数将输出限定为1或0,但是这样就掩盖了一些信息
参考来源
- 位置:《用Python实现深度学习框架》第1章《机器学习与模型》,1.3 损失函数(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_011.html`)
- 结论依据:原文结合 ADALINE 的例子解释相关概念和机制。
- 原始内容:ADALINE用阶跃函数将输出限定为1或0,但是这样就掩盖了一些信息。