iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 29
1
Google Developers Machine Learning

站在Google巨人的肩膀上玩機器學習系列 第 29

[Day 29] Launching into Machine Learning 2-3

  • 分享至 

  • xImage
  •  

今天來介紹損失函數 (Loss Function),損失函數主要功能是把事件與其成本進行對應,而我們在訓練模型時,最終目的就是希望可以得到最小的損失函數,以將成本降到最低,白話一點來說,就是我們希望模型預測結果跟理想結果不要相差太多,因此我們可以透過各式各樣的損失函數來進行評估。

首先迴歸分析時常用的均方誤差 (Mean Square Error, MSE),它透過將所有誤差值平方後再進行計算,那為什麼要先平方呢,想像如果誤差值是5、10、15,平均誤差值就會是10,但如果誤差值是5、10、-15,平均誤差值就變成0了呢,也因為這個原因,所以我們需要先把誤差值進行平方,再去算其平均值,才能真正表現出預測值與理想值間的誤差狀況。

接下來是均方根誤差 (Root Mean Square Error, RMSE) ,RMSE就是MSE值之平方根,而RMSE值越高就代表這個模型的品質越差,也就是預測結果越不準確的意思,以下圖為例,右圖之RMSE大於左圖之值,因此我們可以知道右圖的模型比起左邊是更不準確一點的。

https://ithelp.ithome.com.tw/upload/images/20191016/20107304aj6YlQyUt9.png


上一篇
[Day 28] Launching into Machine Learning 2-2
下一篇
[Day 30] Keep Learning!
系列文
站在Google巨人的肩膀上玩機器學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言