超级会员免费看
本文深入探讨了代价函数与损失函数在人工智能面试中的重要性，包括它们的作用、非负性、常见类型及其在回归和分类任务中的应用。通过分析交叉熵损失函数与最大似然函数的关系，揭示了为何在Sigmoid激活函数中使用交叉熵而非均方误差损失函数的原因。此外，还讨论了检测与分割任务中的损失函数，如Smooth L1 Loss、Focal Loss和IOU。
B站：啥都会一点的研究生
公众号试读：啥都会一点的研究生
目录
- 说说代价函数的作用？
- 说说代价函数为什么要非负？
- 说说你知道的代价函数？
- 说说损失函数是什么？
- 说说损失函数作用？
- 说说你知道的损失函数？
- 说说用于回归的损失函数？
- 说说用于分类的损失函数？
- 说说检测与分割中的损失函数？
- 说说交叉熵函数与最大似然函数的联系和区别？
- 用公式说明下交叉熵函数与最大似然函数联系？
- 说说Sigmoid作为激活函数时为什么要用交叉熵损失函数而不用均方误差损失函数？
- 说说交叉熵损失函数（Cross-entropy）和 均方误差损失函数（MSE）的区别？
- 推导交叉熵损失函数？
- 说说交叉熵的思想？
- 说说交叉熵损失函数为什么有log项？
- 说说KL散度？
- 说说深度神经网络（DNN）的损失函数是什么？
- 手撕IoU?
说说代价函数的作用？
1.为得到训练逻辑回归模型的参数，需要一个代价函数，通过训练代价函数来得到参数。
2.用于找到最优解的目的函数。
说说代价函数为什么要非负？
因为目标函数存在下界，在优化过程当中，如果优化算法能够使目标函数不断减小，根据单调有界准则，这个优化算法就能证明是收敛有效的。 只要设计的目标函数有下界，基本上都可以，代价函数非负更为方便。
说说你知道的代价函数？
1.二次代价函数（quadratic cost
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
