Пока я не закончу писать на эту тему, обращайтесь здесь.
В этом посте я объясню все 15 различных функций потерь, которые предоставляются текущей версией TensorFlow 2.0. Функция потерь играет важную роль в алгоритмах машинного обучения в том смысле, что она служит целевой функцией. Основная цель конкретной модели машинного обучения может быть очень амбициозной, однако с математической точки зрения каждый алгоритм машинного обучения представляет собой просто задачу минимизации с заданной целевой функцией (функцией потерь).
Алгоритмы обучения с учителем делятся на два типа задач: регрессия и классификация. Так же как и функции потерь.
Для задачи типа регрессии функции потерь
- MSE
- МАЭ
- МСЛЭ
- MAPE
- КЛД
- Пуассон
- Логкош
- Косинус сходства
- Хубер
Для задачи классификации функции потерь имеют вид
- бинарная кросс-энтропия
- категориальная кросс-энтропия
- разреженная категориальная кросс-энтропия
- Петля
- Квадратный шарнир
- категорический шарнир