第二章--第三节 成本函数和损失函数推导过程
来源:互联网 发布:唯品会类似淘宝客 编辑:程序博客网 时间:2024/05/16 18:37
前面一节,介绍了神马是sigmoid函数。
其实他的本质,根据doctor wu所示,就是y=wTx+b
机器学习的重点就是能够算出wT和b两个不同的参数,进行模拟。
损失函数,不知道为啥,doctor wu瞬间就拿出了平方差这个方法,上网搜索了下,对于损失函数,还是有几种选择。请查看。
常见的损失函数(信息引用http://blog.csdn.net/bitcarmanlee/article/details/51165444)
机器学习或者统计机器学习常见的损失函数如下:
1.0-1损失函数 (0-1 loss function)
2.平方损失函数(quadratic loss function)
3.绝对值损失函数(absolute loss function)
4.对数损失函数(logarithmic loss function) 或对数似然损失函数(log-likehood loss function)
逻辑回归中,采用的则是对数损失函数。如果损失函数越小,表示模型越好。
损失函数详解
根据上面的内容,我们可以得到逻辑回归的对数似然损失函数cost function:
稍微解释下这个损失函数,或者说解释下对数似然损失函数:
当y=1时,假定这个样本为正类。如果此时
但是如果此时预测的概率
当y=0时,推理过程跟上述完全一致,不再累赘。
将以上两个表达式合并为一个,则单个样本的损失函数可以描述为:
因为
全体样本的损失函数可以表示为:
这就是逻辑回归最终的损失函数表达式
好了,上面就是具体的推导,其实成本函数就是对损失函数的求和。但是至于具体如何使用,博主还是不太清楚,在下面的学习中,我会弄懂,究竟是如何利用成本损失函数进行机器学习。
- 第二章--第三节 成本函数和损失函数推导过程
- 第二章--第三节 成本函数和损失函数是什么鬼
- 斯坦福大学损失函数推导
- softmax 损失函数推导
- 第三节 Swift 函数和闭包
- 第三节循环语句和函数初识
- 第二章 --- 第三节
- 第二章 第三节
- 【第二章 第三节】
- 函数第三节
- Python函数第三节
- 损失函数(Loss function)和代价函数(成本函数)(Cost function)的区别与联系
- SVR(二次损失函数)公式推导
- 关于softmax损失函数的推导
- softmax 损失函数以及梯度推导计算
- Logistic的损失函数的推导.
- 激活函数和损失函数
- 激活函数和损失函数
- 越狱检测/越狱检测绕过—xCon
- FormatMessage函数的用法
- LeetCode基础--二叉树-求最小高度
- [牛客网] 拼凑三角形
- Netty:高性能、高可用的NIO通信框架
- 第二章--第三节 成本函数和损失函数推导过程
- Sql Line操作使用Hbase
- 逆向工具(待研究)
- splay 学习笔记
- 机器学习教程 之 SKlearn 中 PCA 算法的运用:人脸识别实例
- MediaRecorder官方文档导读
- seagull安装步骤
- Android Studio 使用 System.loadLibrary()的一些问题
- pytorch版的bilstm+crf实现sequence label