对于一个样本，有输入和输出结果，我们的目的是优化训练我们的模型，使得对于样本输入，模型的预测输出尽可能的接近真实输出结果。现在需要一个损失函数来评估预测输出与真实结果的差距。
均方误差 回归问题样本有若干维，每一维都有一个真实值。我们要将样本的数据通过我们的模型预测也得到同样多的预测值，真实值可以看成一个向量，预测值也一样。预测值向量要在某种定义下与真实值向量是接近的。
定义\[L={1\over N}\sum\limits_{i=1}^{N}(\hat y_i-y_i)^2 \]
【AI学习总结】均方误差（Mean Square Error,MSE）与交叉熵（Cross Entropy,CE）损失函数
内容版权声明：除非注明，否则皆为本站原创文章。