【TensorFlow】常用的损失函数及其TensorFlow实现

1 损失函数

定义：将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。
应用：作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。
分类：回归问题、分类问题

2 回归问题的损失函数

首先创建预测序列和目标序列作为张量
预测序列是(-1,1)的等差数列，目标值为0

sess = tf.Session()
x_vals = tf.linspace(-1.,1.,500)
target = tf.constant(0.)

2.1 L2正则损失函数

$$L=\sum _{i=1}^n(targe{t}_i-f(x_i){)}^2\text{\hspace{1em}(1)}$$
L2正则损失函数又称欧拉损失函数，是预测值 f ( x i