什麼是簡單單詞中的損失函數？

Question

任何人都可以用簡單的話和可能的例子說明什麼是機器學習/神經網絡領域的損失函數？

該走了出來，而我是跟隨Tensorflow教程： https://www.tensorflow.org/get_started/get_started

Answer 1

的損失函數就是你怎麼懲罰你的輸出。

以下示例用於監督設置，即當您知道正確的結果時應該是。雖然丟失功能可以應用，即使在無人監督的設置。

假設你有一個模型，總是預測1，只需將標值1

您都可以應用這種模式很多損失函數。 L2是歐幾里德距離。

如果我傳遞一些值說2，並且我希望我的模型學習x ** 2函數，那麼結果應該是4（因爲2 * 2 = 4）。如果我們應用L2損失，則其計算爲|| 4-1 ||^2 = 9.

我們也可以構造我們自己的損失函數。我們可以說損失函數總是10.因此，無論我們的模型輸出什麼，損失都是恆定的。

爲什麼我們關心丟失功能？那麼他們會確定模型的效果如何，以及在反向傳播和神經網絡的背景下。他們還確定最後一層的漸變以便傳播，以便模型可以學習。

其他意見建議我認爲你應該從基本材料開始。這裏有一個很好的鏈接，以http://neuralnetworksanddeeplearning.com/

Answer 2

它描述了你的網絡產生的結果離預期的結果有多遠 - 它表明你的模型對其預測的誤差幅度。

然後，您可以採取該錯誤，並通過您的模型「反向傳播」，調整其權重，並使其在下一次更接近真相。