损失函数(Loss function)是定义在单个训练样本的损失/误差,也就是就算一个样本的误差,比如我们想要分类,就是预测的类别和实际类别的区别,是一个样本的哦,用L表示。
代价函数(Cost function)是定义在整个训练集整体的误差描述,也就是所有样本的误差的总和的平均,也就是损失函数的总和的平均,有没有这个平均其实不会影响最后的参数的求解结果。
-
分类问题:
交叉熵,折页损失函数(SVM)
-
回归:
均方误差(MSE)
-
对象检测或分割:
交叉比(IoU)
-
策略优化:
KL散度
-
词嵌入:
噪音对比估计(NCE)
-
词向量:
余弦相似度