损失函数之均方误差MSE(一般用于回归问题)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u014453898/article/details/81591551

回归问题分类问题不同,分类问题是判断一个物体在固定的n个类别中是哪一类回归问题是对具体数值的预测。比如房价预测,销量预测等都是回归问题,这些问题需要预测的不是一个事先定义好的类别,而是一个任意实数。解决回归问题的神经网络一般只有一个输出节点,这个节点的输出值就是预测值。

 

而回归问题最常用的损失函数是均方误差MSE,定义如下:

MSE(y,y')=\frac{\sum_{i=1}^{n}(y_{i}-y_{i}^{'})}{n} ^{2}

上式中,yi为一个batch中第 i 个数据的正确答案,而y_{i}^{'}为神经网络给出的预测值。

MSE是求一个batch(一批的数据)的平均误差的函数。

 

在tensorflow中,有接口:

mse = tf.reduce_mean(tf.square(y_-y))

其中 reduce_mean()是求平均值的函数,y_为标准答案,y为预测答案。y和y_都是一组向量。

阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页