机器学习中,针对不同的问题选用不同的损失函数非常重要,而均方误差就是最基本,也是在解决回归问题时最常用的损失函数。本文就keras模块均方误差的计算梳理了一些细节。
首先看一下均方误差的数学定义 :
均方误差是预测向量与真实向量差值的平方然后求平均,其中n为两个向量所包含的元素的个数。
M S E = 1 n ∑ i = 1 n ( Y i − Y ^ i ) 2 MSE = \frac{1}{n}\sum_{i=1}^n(Y_i - \hat Y_i)^2 MSE=
机器学习中,针对不同的问题选用不同的损失函数非常重要,而均方误差就是最基本,也是在解决回归问题时最常用的损失函数。本文就keras模块均方误差的计算梳理了一些细节。
首先看一下均方误差的数学定义 :
均方误差是预测向量与真实向量差值的平方然后求平均,其中n为两个向量所包含的元素的个数。
M S E = 1 n ∑ i = 1 n ( Y i − Y ^ i ) 2 MSE = \frac{1}{n}\sum_{i=1}^n(Y_i - \hat Y_i)^2 MSE=