理工酷

交叉熵损失函数或对数损失函数，用来衡量输出介于0和1之间的分类模型的性能。与实际标签的偏差越大，交叉熵损失越大。例如，当实际值为1时，预测概率为0.6是一个坏结果，并导致高损失值。当交叉熵损失为0时，模型是完美的。 MSE（均方误差损失函数）度量模型预测值与实际标签值之间的平均值。可以将其视为模型在训练集上的性能，因此，当模型在训练集上的性能较差时，成本较高，也称为L2损失。在训练模型时的任务是最小化估计值和实际目标值之间的平方差。