【AI面试】损失函数(Loss),定义、考虑因素,和怎么来的

本文探讨了损失函数在神经网络学习中的重要性,从损失的定义到损失函数的来源,详细解释了最小二乘法和极大似然估计法。并讨论了如何根据任务类型、数据分布、模型特点和应用需求合理选择损失函数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


神经网络学习的方式,就是不断的试错。知道了错误,然后沿着错误的反方向(梯度方向)不断的优化,就能够不断的缩小与真实世界的差异。

此时,如何评价正确答案与错误答案,错误的有多么的离谱,就需要一个评价指标。这时候,损失和损失函数就运用而生。

开始之前,我们先做一个简单的思考:假设,我们要比较两个正态分布的模型的差异,那该如何做?

我们都知道,描述一个正太分布的模型,只需要用到均值和方差即可。如果要进行比较两个都是已知是正太分布的,那直接比较描述两个模型的均值和方差就行。

那如果,两个不知道长什么样子的模型,该如何比较呢?

一、什么是损失?什么是损失函数?

  • 单个样本的预测值PD,与标注的真实值GT的差,称之为损失;
  • 用于计算损失的函数,称之为损失函数;
  • 损失函数是非负实数值函数。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

钱多多先森

你的鼓励,是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值