机器学习知识总结：代价函数与经验风险、结构风险最小化

最新推荐文章于 2023-11-08 00:00:00 发布

Lin_drink_caffe

最新推荐文章于 2023-11-08 00:00:00 发布

阅读量857

点赞数

分类专栏：机器学习文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Lin_drink_caffe/article/details/72861356

版权

本文总结了机器学习中代价函数的概念，包括0-1损失、平方损失、绝对损失和对数损失，并探讨了经验风险最小化与结构风险最小化的区别。经验风险在大量样本下有效，但小样本时可能导致过拟合；结构风险最小化通过正则化防止过拟合，寻求经验风险和模型复杂度的平衡。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、代价函数

代价函数（cost function）用来度量预测错误，损失函数越小模型越好，常见的有4种：

0-1损失函数：
平方损失函数：
绝对损失函数：
对数损失函数：

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。