代价函数,度量【假设集】的准确性。
机器学习中常用的代价函数,总结如下:
1 误差平方和函数
说明:yi 是模型预测值,oi是样本实际值
2 交叉熵函数
说明:
n是批量训练的样本大小
W是模型f的参数
f函数表示xi样本预测为标签li的概率
3 负对数似然函数
D是训练集
θ 是模型的参数
是第i个样本的输出值
是第i个样本的输入值
思考环节:
1 代价函数和目标函数的差异是什么?
2 回归算法的代价函数和目标函数分别是什么?
本文分享自 数据科学与人工智能 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!