熵代表信息的不确定度
在机器学习模型中我们通过损失函数在缺点真实值和预测值之间的差异大小
常用的损失函数有平方和损失函数和交叉熵损失函数,文本主要记录交叉熵损失函数,而相对熵和交叉熵有很大的关系
以逻辑回归为例,介绍交叉熵损失函数
下面介绍熵,交叉熵和相对熵的区别
平方和损失函数的损失曲线
可以看出交叉熵损失函数的损失值下降快,并且最低值也比较低。
熵代表信息的不确定度
在机器学习模型中我们通过损失函数在缺点真实值和预测值之间的差异大小
常用的损失函数有平方和损失函数和交叉熵损失函数,文本主要记录交叉熵损失函数,而相对熵和交叉熵有很大的关系
以逻辑回归为例,介绍交叉熵损失函数
下面介绍熵,交叉熵和相对熵的区别
平方和损失函数的损失曲线
可以看出交叉熵损失函数的损失值下降快,并且最低值也比较低。