本文重点：
本节课程将学习神经网络的代价函数
损失函数：计算的是一个样本的误差
代价函数：是整个训练集上所有样本误差的平均
目标函数：代价函数 + 正则化项
符号：
神经网络的训练集样本有m个，每个训练样本包含一组输入x和一组输出信号y，L表示神经网络总层数，Sl表示第l层的神经元的个数，这其中不包括偏差单元，SL代表神经网络输出层的单元个数。
神经网络：二类分类和多类分类
二分类：只有一个输出单元，SL =1,y= 0or 1表示哪一类
多分类：有k个输出单元， SL= k, (K > 2)
每天五分钟机器学习：神经网络和逻辑回归的代价函数有什么区别？
本文探讨了神经网络和逻辑回归的代价函数差异。逻辑回归仅有一个输出变量，而神经网络可能有多类输出，导致其目标函数更为复杂。神经网络的损失函数计算每个样本所有输出的误差平均值，结合正则化项来优化模型。通过代价函数评估预测误差，助力分类任务的准确性。
订阅专栏 解锁全文
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
