損失函數大總結

1.定義 損失函數指的是用來估算模型的預測值和真實值之間的不一致的程度，損失函數越小代表着模型的魯棒性更好，損失函數一般分爲分類問題和迴歸問題。 2.分類問題的損失函數： 2.1 0-1損失： 當標籤和預測值相同時爲1，否則爲0，可以看出該損失函數無法對x進行求導，使其深度學習這種依賴反向傳播的深度學習模型難以進行優化。 2.2 交叉熵損失函數： 定義： 交叉熵是信息論中的一個重要概念，主要用於度

>>阅读原文<<