发稿别总‎盯着‎广告狗，‎还有其他‎媒介‎投放‎平台可以看看？

来源：蜘蛛抓取(WebSpider) 时间：2023-09-03 15:58 标签： 软文广告发布平台
Reference 机器学习（五）——常见损失函数损失函数是用来估量模型的预测值f(X)与真实值Y的不一致程度。目的就是最小化损失函数，让f(X)与Y尽量接近。损失函数越小，模型越好。0-1损失函数（0-1 loss function）预测值和目标值不相等，那么为1，否则为0。绝对值损失函数（absolute loss function）常用于回归中。平方损失函数(quadratic loss function)常用于回归中，主要是最小二乘法（OLS）。对数损失函数(logarithmic loss function) 或对数似然损失函数(log-likelihood loss function)logistic回归的损失函数就是对数损失函数。指数损失（exponential loss function）常用于boosting算法。如AdaBoost，用于AdaBoost 集成学习算法中。铰链损失函数（hinge loss function）用于最大间隔（maximum-margin）分类，其中最有代表性的就是支持向量机（SVM）。如在SVM中解决几何间隔最大化问题。Y为目标值（-1或+1），f(X)是分类器输出的预测值，并不直接是类标签。其含义为，当Y和f(X)的符号相同时（表示f(x)预测正确）并且|f(X)|≥1时，hinge loss为0；当Y和f(X)的符号相反时，hinge loss随着f(X)的增大线性增大。互熵损失函数（cross entropy loss，softmax loss function）用于Logistic 回归与Softmax 分类中。详见 交叉熵损失函数

我要回帖

更多关于 软文广告发布平台 的文章

 

随机推荐