版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/google19890102/article/details/79496256
1、log损失
log损失的基本形式为:
log(1+exp(−m))
其中,
m=y⋅y^
,
y∈{−1,1}
。
对上述的公式改写:
⇒1m∑i=1mlog(1+exp(−y(i)⋅y(i)^))
已知:
σ(x)=11+exp(−x)
σ(x)=1−σ(−x)
⇒1m∑i=1mlog(σ(y(i)⋅y(i)^)−1)=−1m∑i=1mlogσ(y(i)⋅y(i)^)
2、交叉熵
交叉熵的一般形式为:
H(y,y^)=−∑y⋅logσ(y^)
对于
m
个样本,则交叉熵为:
H(y,y^)=−1m∑i=1m[I{y(i)=1}⋅logσ(y^)+I{y(i)=−1}⋅log(1−σ(y^))]
H(y,y^)=−1m∑i=1m[I{y(i)=1}⋅logσ(y^)+I{y(i)=−1}⋅logσ(−y^)]
由于
y(i)∈{−1,1}
,且必定为其一。
⇒I{y(i)=k}={01 if y(i)≠k if y(i)=k
H(y,y^)=−1m∑i=1mlogσ(y(i)⋅y(i)^)
我的博客即将搬运同步至腾讯云+社区,邀请大家一同入驻:https://cloud.tencent.com/developer/support-plan