目录
2.2 平均偏差误差（mean bias error）/绝对值损失/L1损失
1. 损失函数、代价函数与目标函数
- 损失函数（Loss Function）：是定义在单个样本上的，是指一个样本的误差。
- 代价函数（Cost Function）：是定义在整个训练集上的，是所有样本误差的平均，也就是所有损失函数值的平均。
- 目标函数（Object Function）：是指最终需要优化的函数，一般来说是经验风险+结构风险，也就是（代价函数+正则化项）。
从学习任务的类型出发，可以从广义上将损失函数分为两大类——回归损失和分类损失，这里都是单样本的损失
2. 回归损失函数
2.1 均方误差/平方损失/L2 损失
其公式为
- 优势：平方损失函数是光滑的，可以用梯度下降法求解。
- 缺点：由于经过平方，与真实值偏离较多的预测值会比偏离较少的预测值受到更为严重的惩罚。因此对异常点较为敏感。
python实现：
2.2 平均偏差误差（mean bias error）/绝对值损失/L1损失
- 度量的是预测值和实际观测值之间绝对差。
- 优势：因为它不使用平方，因此对异常点不那么敏感，其鲁棒性比平方损失更强一些
- 缺点：它在y=f（x）处不可导
python实现：
3. 分类损失
3.1 0-1损失
也就是说，当预测错误时，损失函数为1，当预测正确时，损失函数值为0。该损失函数不考虑预测值和真实值的误差程度。只要错误，就是1。
- 优势：直观的刻画分类的错误率
- 缺点：因为其非凸，非光滑的特点，使得算法很难对其进行直接优化
3.2 对数损失（对数似然损失）
事实上，该损失函数用到了极大似然估计的思想。P(Y|X)通俗的解释就是：在当前模型的基础上，对于样本X，其预测值为Y，也就是预测正确的概率。由于概率之间的同时满足需要使用乘法，为了将其转化为加法，我们将其取对数。最后由于是损失函数，所以预测正确的概率越高，其损失值应该是越小，因此再加个负号取个反。
可以说对数损失就是采用极大似然估计并且取对数得到的损失函数。推导如下：
假设样本为X，其对应的类别为Y，P(Y|X)就是在当前模型的基础上，给定X正确判断为Y的后验概率。我们希望每一个样本X被正确预测到相应类别Y的概率都最大，即max P(Y|X)，那么所有样本正确预测概率相乘最大化就是我们所期望的，因此采用极大似然的原理。
- Step1：构建似然函数
- Step2：构建对数似然函数，以简便运算
- Step3：构建损失函数
我们的目标是希望对数似然函数更大，即
，等价于使负的对数似然函数最小，即
。因此损失函数为：
对于单个样本有
，对数（似然）损失函数由此而来。
3.3 Hinge Loss/SVM 损失
简言之，在一定的安全间隔内（通常是 1），正确类别的分数应高于所有错误类别的分数之和。因此 hinge loss 常用于最大间隔分类（maximum-margin classification），最常用的是支持向量机。尽管不可微，但它是一个凸函数，因此可以轻而易举地使用机器学习领域中常用的凸优化器。
数学公式：
思考下例，我们有三个训练样本，要预测三个类别（狗、猫和马）。以下是我们通过算法预测出来的000每一类的值：
计算这 3 个训练样本的 hinge loss：
## 1st training example
max(0, (1.49) - (-0.39) + 1) + max(0, (4.21) - (-0.39) + 1)
max(0, 2.88) + max(0, 5.6)
2.88 + 5.6
8.48 (High loss as very wrong prediction)
## 2nd training example
max(0, (-4.61) - (3.28)+ 1) + max(0, (1.46) - (3.28)+ 1)
max(0, -6.89) + max(0, -0.82)
0 + 0
0 (Zero loss as correct prediction)
## 3rd training example
max(0, (1.03) - (-2.27)+ 1) + max(0, (-2.37) - (-2.27)+ 1)
max(0, 4.3) + max(0, 0.9)
4.3 + 0.9
5.2 (High loss as very wrong prediction)
3.4 交叉熵损失/负对数似然：
交叉熵损失函数有两种表达形式，第一种形式是：
其中，yi是类别i的真实标签；pi是类别i的概率值；k是类别数，N是样本总数。这种交叉熵函数一般用在softmax层的后面。
第二种形式是：
这种形式就不对应softmax层了，而是sigmoid。sigmoid作为最后一层输出的话，那就不能把最后一层的输出看作成一个分布了，因为加起来不为1。现在应该将最后一层的每个神经元看作一个分布，对应的 target 属于二项分布(target的值代表是这个类的概率)，那么第i 个神经元交叉熵为：
那么总的交叉熵函数就为：
4. 二次代价函数与交叉熵函数的对比
4.1 二次代价函数+sigmoid函数
可以看到最后一层反向传播时，所求的梯度中都要乘以sigmoid的导数，而sigmoid的导数的图像如下，当神经元输出接近1时候，Sigmoid的导数就会很小，这样
和
就会很小，这就导致了均方误差+Sigmoid激活函数使得神经网络反向传播的起始位置——输出层神经元学习率缓慢。
想要解决这个问题，需要引入接下来介绍的交叉熵损失函数。这里先给出结论：交叉熵损失+Sigmoid激活函数可以解决输出层神经元学习率缓慢的问题，但是不能解决隐藏层神经元学习率缓慢的问题。
4.2 交叉熵损失函数+sigmoid函数
可以看到sigmoid的导数被约掉，这样最后一层的梯度中就没有
。然而这只是输出层的推导，如果变成隐藏层的梯度sigmoid的导数不会被约掉，仍然存在
。所以交叉熵损失+Sigmoid激活函数可以解决输出层神经元学习率缓慢的问题，但是不能解决隐藏层神经元学习率缓慢的问题。
5.分别从极大似然和熵的角度来看交叉熵损失
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
