keras中的目标函数和优化函数

目标函数就是我们常说的损失函数，优化函数就是我们常说的反调参数的函数，包括：梯度下降函数、随机梯度下降函数等。

这些我相信大家都很清楚了，下面我就简单的介绍一下keras提供的常见的目标函数和优化函数，本人能力有限，平时用到的酒多说几句，用不到的就把名字写出来，欢迎大家补充和指正。

目标函数:

keras文档:  http://keras.io/objectives/

• mean_squared_error / mse  均方误差，常用的目标函数，公式为((y_pred-y_true)**2).mean()
• mean_absolute_error / mae 绝对值均差，公式为(|y_pred-y_true|).mean()
• mean_absolute_percentage_error / mape公式为：(|(y_true - y_pred) / clip((|y_true|),epsilon, infinite)|).mean(axis=-1) * 100，和mae的区别就是，累加的是（预测值与实际值的差）除以（剔除不介于epsilon和infinite之间的实际值)，然后求均值。
• mean_squared_logarithmic_error / msle<