A.使用機能の喪失
[また、最適化の目的関数やスコアリング関数として知られている]損失関数は、コンパイルモデルのために必要な2つのパラメータの一つです。
model.compile(損失= 'mean_squared_error'、オプティマイザ= 'SGD')
若しくは
kerasインポート損失から
model.compile(損失= losses.mean_squared_error、オプティマイザ= 'SGD')
あなたは、現在の損失関数名やTensorFlow / Theanoシグナム関数を渡すことができます。各データ点は、スカラーを返す関数として二つのパラメータの低いシンボルを有します。
1.y_true
実際のラベル、TensorFlow / Theanoテンソル。
2.y_pred
予測値は、/ TheanoテンソルTensorFlow、同じ形状およびy_trueあります。
実際の最適化の目標は、すべての出力配列のデータ点の平均です。
II。利用可能な損失関数
1.mean_squared_error(y_true、y_pred)MSE、平均二乗誤差}
式は次のとおりです。
出典:
2.mean_absolute_error(y_true、y_pred)MAE、平均絶対誤差]
MAEは、私たちが絵を見たとき、私たちはまず、これらのカラフルな、目を引く内容に焦点を当てる、例えば、重要ないわゆる目標、重要な目標検出を言うことはできません述べました。私たちが最初に同時に全て見てのトランスフォーマーオプティマスプライムを見ることになるように、これは絶対にCビットです。我々が定義するように、トランスフォーマーオプティマスプライムは重要な目標です。
有意ターゲット検出を算出する評価指標は、検出アルゴリズムは、次のように計算される平均絶対誤差を、使用しています。
出典:
3.mean_absolute_percentage_error [MAPE、平均絶対パーセント誤差]
同様に、平均絶対誤差、予測された結果と真値の変化率との平均絶対パーセント誤差。それは次のように計算されます。
出典:
備考:
1.clip
要素による要素の数は、ボーダー施行の数に指定された範囲を超えてしまいます。
2.epsilon
固定パラメータは、デフォルト値1 * E-7。
[4.mean_squared_logarithmic_error MSLE、対数平均二乗誤差}
対数データに平均二乗誤差を計算する前に、再計算。
式は次のとおりです。
出典:
5.squared_hinage [使用しません]
式は次のとおりです。
出典:
6.hinage [使用しません]
式は次のとおりです。
出典:
7.categorical_hinge [使用しません]
出典:
8.logcosh [使用しません]
双曲線余弦の対数の予測誤差。結果はほぼ同じで平均二乗誤差が、強く時折狂気間違った予測の影響を受けません。
出典:
9.categorical_crossentropy [使用しません]
categorical_crossentropy損失を使用する場合、ターゲットは、分類されるべきである[フォーマットタイプ10場合、すなわち、各サンプルの目標値が10次元ベクトルであるべきで、このベクターは1に加えて、インデックスの種類を表し、その他は} 0であります。整数目標分類対象を変換するには、ユーティリティ関数はkeras to_categoricalを使用することができます。
keras.utils.np_utilsからto_categoricalインポート
categorical_labels = to_categorical(int_labels、num_classes =なし)
出典:
10.sparse_categorical_crossentropy [使用しません]
出典:
11.binary_crossentropy [使用しません]
出典:
12.kullback_leibler_divergence [使用しません]
出典:
13.poisson [使用しません]
式は次のとおりです。
出典:
14.cosine_proximity [使用しません]
式は次のとおりです。
出典:
III。損失関数の他のタイプ
1.ctc_batch_cost [高性能]
出典:
各バッチ要素上で実行されているアルゴリズムCTC損失。
パラメータ:
1.y_true
これは、タグテンソルの真の値が含まれています。(サンプル、max_string_length)を入力します。
2.y_pred
包含预测值或softmax输出的张量。类型(samples, time_steps, num_categories)。
3.input_length
张量(samples, 1),包含y_pred中每个批处理项的序列长度。
4.label_length
张量(samples, 1), 包含y_true中每个批处理项的序列长度。
返回shape为(samples, 1)的张量,包含每一个元素的CTC损失。