Keras框架下的loss损失函数
在Keras框架中有如下几种loss损失函数:
①mean_squared_error或mse:均方误差是反映估计量与真实量之间差异程度的期望值,常被用于评价数据的变化程度,预测数据的精确度。
②mean_absolute_error或mae:模型预测值 f(x) 与样本真实值 y 之间距离的平均值。
参考文章:Metric评价指标及损失函数-Error系列之平均绝对误差(Mean Absolute Error,MAE)
③mean_absolute_percentage_error或mape:平均绝对值百分比误差则是用真实值与预测值的差值比例进行计算的,通常会乘以百分比进行计算,一般用于回归计算。这是销量预测最常用的指标,在实际的线上线下销量预测中有着非常重要的评估意义。
参考文章:TensorFlow 2.0 深度学习实战 —— 详细介绍损失函数、优化器、激活函数、多层感知机的实现原理
④categorical_crossentropy和binary_crossentropy:
二分类问题:
如果是二分类问题,即最终的结果只能是两个分类中的一个,则损失函数loss使用binary_crossentropy。
多分类问题:
对于多分类问题,在选择损失函数loss时,主要是看数据是如何编码的:
1.如果是分类编码(one-hot编码),则使用categorical_crossentropy。
我对one-hot编码的理解是:one-hot编码就是在标签向量化的时候,每个标签都是一个N维的向量(N由自己确定),其中这个向量只有一个值为1,其余的都为0。也就是将整数索引i转换为长度为N的二进制向量,这个向量只有第i个元素是1,其余的都是0。
Keras有内置的将标签向量化的方法:
from keras.utils.np_utils import to_categoricalone_hot_train_labels = to_categorical(train_labels)
one_hot_test_labels = to_categorical(test_labels)
2.如果是整数编码,则使用sparse_categorical_crossentropy。
我对整数编码的理解是:整数编码就是对所有标签都放到一个向量中,每个标签对应向量的一个值。
参考文章:损失函数的选择:binary_crossentropy、categorical_crossentropy、sparse_categorical_crossentropy
⑤mean_squared_logarithmic_error:一般用于回归计算。当目标具有指数增长的趋势时, 该指标最适合使用, 例如人口数量, 跨年度商品的平均销售额等。
Keras框架下的loss损失函数相关推荐
- Keras框架下的保存模型和加载模型
在Keras框架下训练深度学习模型时,一般思路是在训练环境下训练出模型,然后拿训练好的模型(即保存模型相应信息的文件)到生产环境下去部署.在训练过程中我们可能会遇到以下情况: 需要运行很长时间的程序在 ...
- keras框架下的深度学习(一)手写体数字识别
文章目录 前言 一.keras的介绍及其操作使用 二.手写题数字识别 1.介绍 2.对数据的预处理 3.搭建网络框架 4.编译 5.循环训练 6.测试训练的网络模 7.总代码 三.附:梯度下降算法 1 ...
- Keras框架下的猫狗识别(一)
Tensorflow学习(使用jupyter notebook) Keras框架下的猫狗识别(二) Keras框架下的猫狗识别(三) 数据预处理 Tensorflow学习(使用jupyter note ...
- Keras【Deep Learning With Python】keras框架下的MNIST数据集训练及自己手写数字照片的识别(分类神经网络)
文章目录 前言 mnist_model.py predict.py 前言 深度学习领域的"hello,world"可能就是这个超级出名的MNIST手写数字数据集的训练(想多了,要是 ...
- 【keras框架下Resnet101_Unet深度学习模型对医学图像语义分割】
磁共振分割模型 前言 U-Net和FCN非常的相似,U-Net比FCN稍晚提出来,但都发表在2015年,和FCN相比,U-Net的第一个特点是完全对称,也就是左边和右边是很类似的,而FCN的decod ...
- ResNet在分别在Keras和tensorflow框架下的应用案例
一.残差神经网络--ResNet的综述 深度学习网络的深度对最后的分类和识别的效果有着很大的影响,所以正常想法就是能把网络设计的越深越好, 但是事实上却不是这样,常规的网络的堆叠(plain netw ...
- 深度学习——残差神经网络ResNet在分别在Keras和tensorflow框架下的应用案例
原文链接:https://blog.csdn.net/loveliuzz/article/details/79117397 一.残差神经网络--ResNet的综述 深度学习网络的深度对最后的分类和识别 ...
- loss 加权_【转载】keras 自定义 loss损失函数, sample在loss上的加权 和 metric
首先辨析一下概念: 1. loss是整体网络进行优化的目标, 是需要参与到优化运算,更新权值W的过程的 2. metric只是作为评价网络表现的一种"指标", 比如accuracy ...
- Keras 和 Tensorflow 框架下五种视频分类
目前视频分类是机器学习模式中独树一帜的挑战.今天我们就要来看看在Keras 和 Tensorflow 框架下的不同的视频行为识别策略,我们将会学着如何使用五深度学习的模式去学习UCF101数据组,具体 ...
最新文章
- microsoft 为microbit.org 设计的课程
- python class函数报错_Python 的函数是第一类 First-Class 对象
- 评测任务实战:中文文本分类技术实践与分享 - PaperWeekly 第49期
- 通过doi可以检索到文献_怎么查看中外文献的期号和卷号?
- java 滚动加载,滚动加载,可视区域判断
- [C++11]委托构造函数
- Redis学习---(9)Redis 列表(List)
- 东方乐器及音乐、音乐的常识
- C语言--职工信息管理系统(含论文)
- Linux学习_系统文件IO
- 大学英语综合教程三 Unit 1 课文内容英译中 中英翻译
- JS 把 Wed Jul 15 2015 00:00:00 GMT+0800 转换成2015-07-15
- iOS - 一份参考简历,请注意查收!
- 本机php环境搭建教程:windows环境下wampserver的配置教程——超级详细
- 开源网络文件管理工具SmarkNetDisk
- 【算法练习】80.字符串轮转——奇淫技巧
- inux C程序中获取shell脚本输出(如获取system命令输出)
- 03 汽车以太网如何影响ECU和传感器设计
- FTP数据库的创建与管理
- 软件工程毕业设计课题(82)微信小程序毕业设计PHP共享停车位小程序系统设计与实现