机器学习常识（二）：7 个最常见的机器学习损失函数

机器学习常识（二）：7 个最常见的机器学习损失函数
每个机器学习工程师都应该了解这些常见的损失函数以及何时使用它们。
文章目录
- 一、损失函数介绍
  
  二、分类损失
  
  2.1 交叉熵损失/对数损失
  
  2.2 铰链损失
  
  三、回归损失
  
  3.1 均方误差
  
  3.2 平均绝对误差
  
  3.3 HUBER损失
  
  3.4 LOG-COSH 损失
  
  3.5 分位数损失
一、损失函数介绍

损失函数是一种评估机器学习算法对特征数据集建模效果的方法。换句话说，损失函数是衡量模型在预测预期结果方面的好坏。

成本函数和损失函数指的是相同的上下文（即使用反向传播来最小化实际结果和预测结果之间的误差的训练过程）。我们将成本函数计算为所有损失函数值的平均值，而我们计算每个样本输出与其实际值相比的损失函数。

损失函数与您构建的模型的预测直接相关。如果您的损失函数
相关阅读:
WSL重装Anaconda
【python海洋专题三十八】海洋指数画法--折线图样式二
 面试（03）————多线程
 正点原子嵌入式linux驱动开发——U-boot移植
 mysql 多数据源与事务嵌套不兼容解决方案
 I/O
nginx配置proxy_pass之后返回404问题及Nginx host相关变量说明
 picoCTF - Day 1 - Warm up
延迟式垃圾回收机制的缺陷
 11-09 周四机器学习开发容器搭建
原文地址：https://blog.csdn.net/weixin_46211269/article/details/126415444

文章目录

一、损失函数介绍