Python-sklearn-LossFunction

2401_82889064

于 2024-03-07 15:53:33 发布

阅读量342

点赞数 8

分类专栏：机器学习文章标签： python sklearn

本文链接：https://blog.csdn.net/2401_82889064/article/details/136536422

版权

机器学习专栏收录该内容

14 篇文章 0 订阅

订阅专栏

本文介绍了三种常见的机器学习损失函数：零一损失用于感知机，计算预测值等于真实值时为0，否则为1；均方误差（MSE）适用于线性回归，衡量预测值与真实值的平均平方差；交叉熵损失常用于逻辑回归中的分类问题，通过计算预测概率分布与实际类别之间的差异来优化模型。

摘要由CSDN通过智能技术生成

常见的损失函数

"""
@Title: loss_function
@Time: 2024/3/7
@Author: Michael Jie
"""

import numpy as np


# 0-1损失函数zero-one loss
# 常用于感知机
def zero_one_loss(h, y):
    return 0 if h == y else 1


# 均方误差Mean Squared Error
# 常用于线性回归问题
def mse(h, y):
    return np.sum((h - y) ** 2)


# 交叉熵损失函数Cross-entropy loss
# 常同于逻辑回归问题（分类）
def cross_entropy(h, y):
    return np.sum(y * np.log(h) + (1 - y) * np.log(1 - h))