常见损失函数记录

Posted cuhm

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了常见损失函数记录相关的知识,希望对你有一定的参考价值。

常见损失函数记录,主要是自己记一下公式,没啥讲解

均方误差,绝对值损失,0-1损失

最简单的几种,没啥好说的
[ L(Y, f(X))=(Y-f(X))^{2} L(Y, f(X))=left{egin{array}{ll}{1,} & {Y eq f(X)} \ {0,} & {y=f(X)}end{array} ight.L(Y, f(X))=|Y-f(X)| ]

Hinge Loss

来自SVM

二分类情况

[ L(y, ilde{y}) = max(0, 1-y ilde{y}), y=pm 1 ]
出自SVM,也叫做SVM loss,从数学表达式就可以看出不止要分类正确,还需要间隔最大化。

多分类情况

[ L(y, ilde{y}) = max(0, 1-( ilde{y}_t - ilde{y}_k), y=pm 1 ]
其中的( ilde{y}_t)( ilde{y}_k)分别是得分最高和第二高的两个分量

Log Loss

标准形式
[ L(Y, P(Y | X))=-log P(Y | X) ]

交叉熵

[ L(y, hat{y})=-sum_i y_ilog(hat{y}_i) ]
对应one hot和单标签则变为
[ L(y, hat{y})=-log(hat{y}_t) ]
逻辑回归中的形式(也可从极大似然角度和log loss角度推导)
[ L=-left((y_ilog p_i)+(1-y_i)log(1-p_i) ight) ]

以上是关于常见损失函数记录的主要内容,如果未能解决你的问题,请参考以下文章

常见的损失函数

机器学习中常见的损失函数

深度学习常见的损失函数

回归模型常见的损失函数

回归模型常见的损失函数

常见回归和分类损失函数比较