对数损失函数与最大似然损失函数
1,最大似然损失函数(Likelihood loss)
常用在分类问题上。形式上是把每一个预测值的概率相乘,得到一个损失值。
例如:对一组样本的预测为True(1)概率为[0.4, 0.6, 0.9, 0.1],它们的真实值分别为[0, 1, 1, 0],则损失值为 0.6 ∗ 0.6 ∗ 0.9 ∗ 0.9 = 0.2916 0.6*0.6*0.9*0.9=0.2916 0.6∗0.6∗0.9∗0.9=0.2916,对于真实值为False(0)的情况,要用(1-p)。
2,对数损失函数(Log loss)
也叫Cross Entropy Loss。与最大似然一样在分类问题中用的较多。形式为
− y ∗ l o g ( p ) − ( 1 − y ) ∗ l o g ( 1 − p ) -y*log(p)-(1-y)*log(1-p) −y∗log(p)−(1−y)∗log(1−p),
对于二分类问题,y取值为0或1,p为预测结果为y的概率,log为自然对数。
此函数对误差大的结果惩罚很大,预测准确度与log loss的关系图如下:
Reference
https://blog.algorithmia.com/introduction-to-loss-functions/
http://neuralnetworksanddeeplearning.com/chap3.html
对数损失函数与最大似然损失函数相关推荐
- 极大似然估计(Maximum Likelihood Estimattion Theory)是什么?极大似然估计的本质思想是什么?为什么极大似然可以作为损失函数使用?负对数似然损失函数(Negative
极大似然估计(Maximum Likelihood Estimattion Theory)是什么?极大似然估计的本质思想是什么?为什么极大似然可以作为损失函数使用?负对数似然损失函数(Negative ...
- 逻辑回归损失函数与最大似然估计
机器学习的损失函数是人为设计的,用于评判模型好坏(对未知的预测能力)的一个标准.尺子,就像去评判任何一件事物一样,从不同角度看往往存在不同的评判标准,不同的标准往往各有优劣,并不冲突.唯一需要注意的就 ...
- 逻辑回归(Logistic Regression)原理及损失函数、极大似然估计
一.什么是逻辑回归 虽然名字是"回归",但解决的是"分类"问题. 模型学习的是E[y∣x;θ]E[y|x;\theta]E[y∣x;θ],即给定自变量和超参数后 ...
- python如何画损失函数图_Pytorch 的损失函数Loss function使用详解
1.损失函数 损失函数,又叫目标函数,是编译一个神经网络模型必须的两个要素之一.另一个必不可少的要素是优化器. 损失函数是指用于计算标签值和预测值之间差异的函数,在机器学习过程中,有多种损失函数可供选 ...
- 交叉熵损失函数优缺点_【损失函数】常见的损失函数(loss function)总结
阅读大概需要7分钟 跟随小博主,每天进步一丢丢 机器学习算法与自然语言处理出品 @公众号原创专栏作者 yyHaker 单位 | 哈工大SCIR实验室 损失函数用来评价模型的预测值和真实值不一样的程度, ...
- 【深度学习】——分类损失函数、回归损失函数、交叉熵损失函数、均方差损失函数、损失函数曲线、
目录 代码 回归问题的损失函数 分类问题的损失函数 1. 0-1损失 (zero-one loss) 2.Logistic loss 3.Hinge loss 4.指数损失(Exponential l ...
- 如何理解对数似然损失函数
介绍 通过最大似然估计值来衡量损失. 最大似然估计的原理是:找到一组估计值,使得未知参数取该组估计值时,观察值以最大概率出现. 设总体 X X X 为离散型随机变量,其分布律为 P ( X = x k ...
- LR为什么用极大似然估计,损失函数为什么是log损失函数(交叉熵)
首先,逻辑回归是一个概率模型,不管x取什么值,最后模型的输出也是固定在(0,1)之间,这样就可以代表x取某个值时y是1的概率 这里边的参数就是θ,我们估计参数的时候常用的就是极大似然估计,为什么呢?可 ...
- 多分类svm的hinge loss公式推导_损失函数—深度学习常见损失函数总结【图像分类|下】...
点击蓝字关注我们 AI研习图书馆,发现不一样的精彩世界 学习 笔记 常见损失函数总结-图像分类下篇 一.前言 在深度学习中,损失函数扮演着至关重要的角色.通过最小化损失函数,使模型达到收敛状态,减少模 ...
最新文章
- jQuery用于请求服务器的函数
- oracle中表空间创建,Oracle 如何创建表空间
- 直接插入排序python实现
- python做基本的图像处理
- ImageFun 使JPG的缩略图跟原图不一样 (刷微博必备)
- 如何使用pass语句?
- 世界500强面试题(趣味智力测试题)
- 试用 必应bing 缤纷桌面
- 【HTML】HTML网页设计----植物网站设计
- 【OpenVINO 3】POT量化流程
- 机器学习(二)-朴素的贝叶斯分类
- 20道大厂真实面试题,答出一半以上的都是高手
- 2023年东南大学英语笔译考研上岸前辈备考经验指导
- 欧几里得算法和扩展欧几里得
- 关于对称四舍五入和非对称四舍五入的分析
- 基于聚类分析算法的数字化图书馆、图书馆管理系统
- Model Inspector — 软件模型静态规范检查工具
- Docker Macvlan网络实验
- 【基于EDK的嵌入式系统】 关于Xilinx EDK添加自定义IP核到PLB总线后linux无法boot的问题
- 浙江国税VPDN虚拟连接软件下载及安装步骤详解
热门文章
- linux常用命令_Linux常用命令总结
- 海思3559A的一些工具探索尝试
- 轻松理解skip-gram模型
- android布局靠底部,android – 使用layout_gravity =“bottom”放置在LinearLayout的底部
- Java中Set接口
- 全国计算机等级考试一级ps操作,计算机等级考试一级Photoshop操作如何制作彩塑字...
- 研发团队中最合适的开发测试比是多少?
- 测试岗/测试开发岗面试真题及参考答案
- 如何在前台输出代码<xmp>,标签,并且是内容自动换行
- 【XSY2515】管道(pipe)(最小生成树+倍增lca)