机器学习中的几种loss

最新推荐文章于 2024-05-06 17:29:23 发布

长夜悠悠

最新推荐文章于 2024-05-06 17:29:23 发布

阅读量2.5k

点赞数 1

分类专栏：机器学习

机器学习专栏收录该内容

62 篇文章 4 订阅

订阅专栏

转载自多个地方，仅用作个人学习。如需删除，请见谅并联系本人。

线性拟合——从最大似然估计到平方误差到huber loss

https://blog.csdn.net/lanchunhui/article/details/50422230

(转)机器学习中的损失函数

一、log对数损失函数（逻辑回归）

二、平方损失函数（最小二乘法, Ordinary Least Squares ）

三、指数损失函数（Adaboost）

四、Hinge损失函数（SVM）

五、其它损失函数

除了以上这几种损失函数，常用的还有：

0-1损失函数
$L(Y, f(X)) = \left\{\begin{matrix}1 ,& Y \neq f(X)\\ 0 ,& y = f(X) \end{matrix}\right.$
绝对值损失函数
$L(Y, f(X)) = |Y-f(X)|$

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
机器学习中的几种loss

转载自： https://blog.csdn.net/lanchunhui/article/details/50422230，仅用作个人学习。如需删除，请见谅并联系本人。考虑这样一些数据：x = np.array([0, 3, 9, 14, 15, 19, 20, 21, 30, 35, 40, 41, 42, 43, 54, 56, 67, 69, 72, 88]...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。