常用损失函数公式整理
基于距离度量的损失函数
-
MSE损失函数
Loss=1n∑i=1n(yi−y^i)2 Loss = \frac{1}{n}\sum_{i=1}^{n}(y_{i} - \hat{y}_{i})^{2} Loss=n1i=1∑n(yi−y^i)2
-
L2损失函数
Loss=1n∑i=1n(yi−y^i)2 Loss = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_{i} - \hat{y}_{i})^2} Loss=n1i=1∑n(yi−y^i)2
-
L1损失函数
Loss=1n∑i=1n(∣yi−y^i∣) Loss = \frac{1}{n}\sum_{i=1}^{n}(|y_{i} - \hat{y}_{i}|) Loss=n1i=1∑n(∣yi−y^i∣)
-
Smooth L1损失函数
Loss={12(y−y^)2,∣y−y^∣<1∣y−y^∣−12,∣y−y^∣>=1 \begin{equation} Loss = \begin{cases} \frac{1}{2}(y - \hat{y})^2, &|y - \hat{y}| < 1 \\ |y - \hat{y}| - \frac{1}{2}, &|y - \hat{y}| >= 1 \\ \end{cases}%\text是为了在数学公式中处理中文 \end{equation} Loss={21(y−y^)2,∣y−y^∣−21,∣y−y^∣<1∣y−y^∣>=1
基于概率分布度量的损失函数
- KL散度函数
Loss=∑i=1n(yi×log(yiyi^)) Loss = \sum_{i=1}^{n}(y_{i} \times \log(\frac{y_{i}}{\hat{y_{i}}})) Loss=i=1∑n(yi×log(yi^yi))
-
交叉熵损失
Loss=−∑i=1nyilogy^i Loss = -\sum_{i=1}^{n}y_{i}\log{\hat{y}_{i}} Loss=−i=1∑nyilogy^i
结尾
原始的Latax文件可以进群拿哦
如果觉得文章对你有用请点赞、关注 ->> 你的点赞对我太有用了
群内交流更多技术
130856474 <-- 在这里
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
