深度學習中常用損失函數

深度學習中常用損失函數 L1損失函數和L2損失函數 交叉熵損失函數 其他機器學習常見損失函數 損失函數是用來估量模型的預測值f(x)與真實值Y的不一致程度，它是一個非負值函數，通常用L(Y,f(x))來表示，損失函數越小，模型的魯棒性越好。損失函數是經驗風險函數的核心部分，也是結構風險函數的重要組成部分。模型的結構風險函數包括了經驗風險項和正則項，通常可以表示成如下式子： 其中，前面的均值函數表示

>>阅读原文<<