机器学习 - Training and Loss

更新日期: 2018-10-02 阅读次数: 222 分类: AI

在监督学习 (supervised learning)中,机器学习算法的目标是通过检验一堆 examples, 建立一个模型 (model),以最小化 loss。

机器学习 - Training and Loss

这个 loss,我的理解是,设置一个阈值,当曲线与 example 点的偏差小于某个差值时,表示这个 example 可以接受,否则则是 loss。训练出的最佳 model 即是能接受最多的 examples 的 model.

机器学习 - Training and Loss

假设 x 轴代表博客文章数,y 轴代表日 UV,那么 Good 曲线比 bad 曲线的预测效果更好。

所以评判一个训练的出的 model 的好坏,就是判断其对 examples 的 loss 的多少。Loss 越少说明预测效果越好;反之,越差。

预测效果好坏的评判方法 - loss function

机器学习 - Training and Loss

D 为 data set, 即一堆 labeled examples 的集合。

MSE = Mean Square Error 平方误差均值。MSE 是一种常见的 loss function,但并不是唯一的 loss function。

爱评论不评论

近期节日

2018年10月22日 世界传统医药日
2018年10月23日 霜降
2018年10月24日 联合国日
2018年10月31日 世界勤俭日
2018年11月01日 万圣节
2018年11月07日 立冬
2018年11月08日 中国记者日
2018年11月10日 世界青年节
2018年11月11日 光棍节
2018年11月14日 世界糖尿病日
2018年11月17日 国际大学生节
2018年11月20日 国际儿童日
查看更多节日