1.均方差MSE
主要用于回归问题。
2.交叉熵损失函数 L = -(y*log( y ) + (1-y)* log(1-y))
主要用于:分类问题。它是分类问题中使用比较广的一种损失函数,因为 交叉熵刻画了2个概率分布之间的距离。
主要用于神经网络,在计算梯度的时候,如果用平方差后面会非常缓慢的去收敛
1.均方差MSE
主要用于回归问题。
2.交叉熵损失函数 L = -(y*log( y ) + (1-y)* log(1-y))
主要用于:分类问题。它是分类问题中使用比较广的一种损失函数,因为 交叉熵刻画了2个概率分布之间的距离。
主要用于神经网络,在计算梯度的时候,如果用平方差后面会非常缓慢的去收敛