损失函数的选择

神经网络需要选择的有：1 网络结构模型  2 激活函数  3 损失函数

学习训练设计到：1 优化，训练集训练参数  2 泛化，测试集优化参数

-----------------------------------------------------------------------

不同场景不同损失函数，需求不一样损失函数就不一样，例如分类一般使用交叉熵，回归一般使用均方根误差。各个场景一般都会有常用的损失函数，记住对号入座。损失函数是用来评价模型的预测值Y^=f(X)与真实值Y的不一致程度，它是一个非负实值函数。通常使用L(Y,f(x))来表示，损失函数越小，模型的性能就越好。

常见的损失函数

1.    0-1损失函数 （0-1 loss function）

它是一种较为简单的损失函数，如果预测值与目标值不相等，那么为1，否则为0，

    ℓ(</