本文探讨了机器学习中三个重要的损失函数：平方损失函数、交叉熵损失函数和指数损失函数。平方损失函数常用于线性回归，关注所有输出；交叉熵损失函数适用于分类任务，重视正确分类；指数损失函数在Adaboost中应用，用于序列学习问题。理解这些损失函数的不同有助于选择合适的模型和优化目标。
目标函数-持续更新
目标函数/损失函数
持续更新
在机器学习中，我们的目标就是在验证集上有更好的效果，当然了也不能过拟合
平方损失函数
m i n ∑ i = 1 m ( f ( x i ) − y i ) 2 min\sum_{i=1}^m (f(x_i) - y_i)^2 mini=1∑m(f(xi)−yi)2
交叉熵损失函数
m i n − [ y i ∗ log ( p ( x i ) + ( 1 − y i ) ∗ log ( 1 − p ( x i ) ] min -[y_i * \log(p(x_i) + (1-y_i) * \log(1 - p(x_i)] min−[y
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
