iT邦幫忙

2022 iThome 鐵人賽

DAY 27
0
AI & Data

TensorFlow 系列 第 27

[Day27] 損失函數

  • 分享至 

  • xImage
  •  

Hi ! Day27 !
今天要來介紹特損失函數


損失函數(Loss function)

在機器學習的領域中,損失函數(Loss function)是指一種將一個在一個樣本空間中的一個元素(事件)映射到一個表達與其相關的實數上的一種函數,由此來直觀的表示與其事件的關聯。最佳化問題的其中一個目標就是將損失函數最小化。分類問題中的損失函數可以用來表達預測不準確之程度,而以下是一些常用的損失函式的公式:

  • 平方損失
    https://ithelp.ithome.com.tw/upload/images/20221012/20152603YofLz4JdfQ.png
  • 鏈結損失
    https://ithelp.ithome.com.tw/upload/images/20221012/20152603yeRzMw6qUy.png
  • 邏輯損失
    https://ithelp.ithome.com.tw/upload/images/20221012/20152603kn4ZYqyWtB.png
  • 交叉熵損失
    https://ithelp.ithome.com.tw/upload/images/20221012/20152603c7y9RaUynB.png

Reference

https://zh.wikipedia.org/zh-tw/损失函数

https://zh.wikipedia.org/zh-tw/分類問題之損失函數#平方損失


上一篇
[Day26] 特徵值數據標準化
下一篇
[Day28] TFRecord
系列文
TensorFlow 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