机器学习 - Training and Loss

更新日期: 2018-10-02 阅读次数: 1187 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

2019年02月24日 第三世界青年日
2019年02月28日 世界居住条件调查日
2019年03月01日 国际海豹日
2019年03月03日 全国爱耳日
2019年03月05日 学雷锋日
2019年03月06日 惊蛰
2019年03月08日 三八妇女节
2019年03月08日 龙抬头
2019年03月12日 植树节
2019年03月14日 白色情人节
2019年03月15日 消费者权益日
2019年03月17日 国际航海日
查看更多节日