机器学习中的损失函数，代价函数和目标函数的区别

最新推荐文章于 2024-05-22 13:23:29 发布

小门神123

最新推荐文章于 2024-05-22 13:23:29 发布

阅读量228

点赞数 1

文章标签：数据挖掘机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_39615327/article/details/104362989

版权

损失函数：Loss Function

针对单个样本的模型输出 $\hat{y_i}$ 与真实标签 $y_i$ 的差异，即：

$Loss=f(\hat{y_i},y_i)$

代价函数：Cost Function

针对多个样本的模型输出 $\hat{y_i}$ 与真实标签 $y_i$ 的差异的均值，即：

$Cost=\frac{1}{N}\sum_{i=1}^N{f(\hat{y_i},y_i)}$

目标函数：Object Function

$Object=Cost+Regularization$

其中， $Cost$ 表示代价函数， $Regularization$ 表示正则项。

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习中的损失函数，代价函数和目标函数的区别

损失函数：Loss Function针对单个样本的模型输出与真实标签的差异，即：代价函数：Cost Function针对多个样本的模型输出与真实标签的差异的均值，即：目标函数：Object Function其中，表示代价函数，表示正则项。...
复制链接

扫一扫

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。