模型分为能量模型和概率模型，知道概率分布的可以直接用概率模型进行建模，不知道的就用能量模型。因为一个系统稳定的过程就是能浪逐渐减小的过程。 代价函数说白了也就是通常建立的能量方程的一种，在机器学习中用来衡量预测值和真实值之间的误差，越小越好。一般来说一个函数有解析解和数值解，解析解就是我们数学上可以用公式算出来的解，数值解是一种近似解，在解析解不存在或者工程实现比较复杂的时候，用...
模型分为能量模型和概率模型，知道概率分布的可以直接用概率模型进行建模，不知道的就用能量模型。
因为一个系统稳定的过程就是能浪逐渐减小的过程。
代价函数说白了也就是通常建立的能量方程的一种，在机器学习中用来衡量预测值和真实值之间的误差，越小越好。一般来说一个函数有解析解和数值解，解析解就是我们数学上可以用公式算出来的解，数值解是一种近似解，在解析解不存在或者工程实现比较复杂的时候，用例如梯度下降这些方法，迭代得到一个效果还可以接受的解。所以要求代价函数对参数可微。
常见的形式有：
1 均方误差
2 交叉熵（常用于逻辑回归）
函数的构造是由真实值和预测值组成的，只是定义了一种度量方式而已，或者是2范数，或者是交叉熵，也可以是其他表现效果好的距离或者相似性的度量，都可以改写的
3 神经网络中的代价函数（在逻辑回归的基础上（返回0或1），添加了k分类）
最低0.47元/天 解锁文章
561
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
