keras学习笔记(4)—损失函数

一、损失函数类型

二、算法详解

2.1 mean_squared_error(mse)—平方误差

计算公式：

$$mse = \frac{1}{m}\sum_{i=1}^{m}(y^{(i)} - \widehat{y}^{(i)})^2$$

2.2 mean_absolute_error(mae)—绝对值误差

$$mae=\frac{1}{m}\sum_{i=1}^{m}|y^{(i)}-\widehat{y}^{(i)}|^2$$

2.3 mean_absolute_percentage_error(mape)

$$mape=100\cdot\frac{1}{m}\sum_{i=1}^{m}|\frac{y^{(i)}-\widehat{y}^{(i)}}{y^{(i)}}|$$

2.* categorical_crossentropy(交叉熵)

2.*hinge

$$hinge = \frac{1}{m}\sum_{i=1}^{m}max(1 - y\cdot\widehat{y},0)$$
hinge损失函数最著名的应用就是SVM，y为目标值($\pm1$),$\widehat{y}$取值范围(-1,1)

2.binary_crossentropy(对数损失)

三、如何选择

参考文献