数据分析与机器学习学习笔记--常见知识总结

1.引言

      最近一段心血来潮自学了数据分析与机器学习,在学习的过程中犯过许多错误以及对部分知识的错误理解,所以决定自己瞎写几篇博客总结自己的错误并且回顾学过的算法,同时希望自己的总结能帮一些同样是想要入门学习的人少走弯路,话不多说,接下来就是一些常用的数据处理方式和容易混淆的概念。

2.损失函数(lost)、代价函数(cost)和目标函数(obj)

      机器学习的每个算法都离不开标题所写的三个函数,但是在许多资料中对于损失函数和代价函数没有进行明确的定义,导致二者存在混用的情况,有些作者将lost与cost当作一个函数,但是本质上二者不是完全一样的,在 Coursera:Neural Networks and Deep Learning 课程中,Andrew Ng 给出的解释如下:

The loss function computes the error for a single training example; the cost function is the average of the loss funcitons of the entire training set.
我在查阅了一些资料后总结如下:

 

  •       损失函数(lost):计算单个样例的损失/误差
  •       代价函数(cost):计算总样本的平均损失/误差
  •       目标函数(obj):这个函数就厉害了,是我们最终要优化的函数,此处要牵扯出了经验损失和结构损失

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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