常见的损失函数的类型

本文探讨了损失函数在衡量模型预测效果中的作用,包括回归问题中的L2损失、L1损失和Huber损失,以及分类问题中的0-1损失、Logistic损失和指数损失,帮助理解各类损失函数如何刻画预测值与真实值的差异。
摘要由CSDN通过智能技术生成
  • 损失函数:度量模型预测值与真实值之间的差异
  • 对于回归问题:令残差 r=f(X)y r = f ( X ) − y
    • L2损失: L2(r)=12r2 L 2 ( r ) = 1 2 r 2
    • 这里写图片描述
    • L1损失: L1(r)=|r| L 1 ( r ) = | r |
    • 这里写图片描述
    • Huber损失: Lδ(r)={12r2,δ|r|12δ2,if |r|<=δ if |r|>=δ  L δ ( r ) = { 1 2 r 2 , if  | r | <= δ   δ | r | − 1 2 δ 2 , if  | r | >= δ  
      这里写图片描述
  • 对于分类问题:
    • 0-1损失: l0/1y,f(X)={10 yf(X)<0  otherewise  l 0 / 1 ( y , f ( X ) ) = { 1   y f ( X ) < 0   0   o t h e r e w i s e  
    • Logistic损失:亦称负log似然损失/logloss
    • llog(y,f(x))=log(1+exp(yf(x))) l l o g ( y , f ( x ) ) = l o g ( 1 + e x p ( − y f ( x ) ) )
    • 指数损失:
    • 合页损失:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值