来源: 学习北大曹健老师Tensorflow课程后做的学习笔记,整理后在此分享给大家. 之前是抄在本子上的, 可能存在一些抄写错误或是标记缺失, 若发现了可以评论告诉我.谢谢.
###一. 损失函数(loss):预测值y与已知答案y_的差距
神经网络优化目标即找到适合的w以减小loss, 有三种减小loss的方法
1. 均方误差mse(Mean Squared Error)
2. 自定义损失函数
3. 交叉熵ce(Cross Entropy)
1. 均方误差mse
模型 :
使用:
loss_mse = tf.reduce_mean(tf.square(y-y_))
**默认预测结果偏低偏高时结果相同,解决利益最大问题时无法求最优**
2. 自定义损失函数
**如预测商品销量,若利润!=成本,则mse产生的loss无法利益最大**
使用:
loss=tf.reduce_sum(tf.where(tf.greater(y,y_),COST(y-y_),PROFIT(y_-y)))
3. 交叉熵 :表示两个概率分布之间的距离
模型 :