Skip to content

Latest commit

 

History

History
19 lines (11 loc) · 1.02 KB

File metadata and controls

19 lines (11 loc) · 1.02 KB

经典损失函数:均方误差

分类问题和回归问题是监督学习的两大种类。

分类问题希望解决的是将不同的样例分到事先定义好的类别中。如判读零件是否合格是一个二分类问题,手写数字识别是一个十分类问题。

与分类问题不同,回归问题解决的是对具体数值的预测。比如房价预测、销量预测等都是回归问题。这些问题需要预测的不是事先定义好的类别,而是一个任意实数。解决回归问题的神经网络一般只有一个输出节点,这个节点的输出值就是预测值。

不论是回归问题还是分类问题,都可以用均方误差(MSE,mean squared error)作为损失函数。其定义如下:

$$ MSE(y,y')=\frac{\sum_{i=1}^n(y_i-y'_i)^2}{n} $$

其中, $y_i$ 为一个 batch 中第 i 个数据的正确答案,而 $y'_i$ 为神经网络给出的预测值。


参考文献:《TensorFlow:实战Google深度学习框架(第二版)