tensorflow之神經網絡優化

損失函數(loss):用來表示預測值(y)與已知答案(y_)的差距。在神經網絡時,通過不斷改變神經網絡中所有參數,使得損失函數不斷減小,從而訓練出更高準確率的神經網絡模型。 常用的損失函數有均方誤差、自定義和交叉熵等。 均方誤差mse:n個樣本的預測值y與已知答案y_之差的平方和,再求平均值。 例子:預測酸奶日銷量 y,x1和 x2是影響日銷量的兩個因素。  銷量預測結果爲y = 0.98*x1
相關文章
相關標籤/搜索