有这样一个问题,损失函数和评价指标都是来评判模型的好与不好,它们之间有什么区别?
简单区分可以理解为损失函数是用在模型训练阶段,用在梯度下降阶段,做梯度更新,来让损失函数最小化。
评价指标是用在测试阶段,也就是判断生成的模型的好坏,评价指标有很多种,会单独写一篇文章。
什么是损失函数?
在有监督学习中,真实值与预测值不一致的程度,叫做损失函数。
损失函数各种各样,没有哪一个说适合所有的网络模型,损失函数的选取依赖于参数的数量、异常值、机器学习算法、梯度下降的效率、导数求取的难易和预测的置信度等若干方面。
损失函数分类
经验风险:预测结果与实际结果的差值
结构风险:经验风险 + 正则项
还有一种分类方法,从解决的问题看:回归和分类问题。
常见的损失函数
回归问题
均方误差 – L2损失
思想:预测值与真实值之差的平方和
公式
M S E = ∑ i = 1 n ( y i − y i p ) 2 n MSE = \frac{ \sum_{i=1}^{n}(y_i-y_i^{p})^2}{n} MSE=n∑i=1n(yi−yip)