深度学习-损失函数 python opencv源码（史上最全）

目录

定义

种类

如何选择损失函数？

平方（均方）损失函数（Mean Squared Error, MSE）

均方根误差

交叉熵

对数损失

笔记回馈

逻辑回归中一些注意事项：

---

定义

损失函数又叫误差函数、成本函数、代价函数，用来衡量算法的运行情况，用符号L表示。

假设我们的回归函数是：y = wx+b,那么损失函数的作用就是用来获取误差，然后来更新w和b，从而使预测值y更贴近真实值。也就是训练过程就是让这个损失越来越小的过程（最小化损失函数）。

作用：1衡量模型性能 2优化参数（w和b）

种类

均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、交叉熵误差、对数损失或逻辑回归损失、Hinge损失、Huber损失、余弦相似损失等。

问题一：为什么这么多损失函数？我该怎么选择？

因为损失函数是用于优化权重的函数，好的损失函数决定了训练的速度和质量，因此人们在损失函数下了很大功夫，做了很多研究，就发明了这么多损失函数，用于解决不同的需求和环境。怎么选择