分类问题的损失函数使用方法

42 阅读 0 评论 28 点赞

我是靠谱客的博主超级雪糕，最近开发中收集的这篇文章主要介绍分类问题的损失函数使用方法，觉得挺不错的，现在分享给大家，希望可以做个参考。

1、binary_crossentropy

用于二分类，输出层激活函数是sigmoid，样本的标签是labels向量的index，是一维的0或者1。输出也是1维的概率，大于0.5则分类为1，小于0.5则分类为0。

2、SparseCategoricalCrossentropy

用于多分类，输出层激活函数是softmax，样本的标签是labels向量的index，是一维的0,1,2,...n。

输出是含有n个元素的向量，代表属于各个类别的概率。

3、categorical_crossentropy

用于多分类，输出层激活函数是softmax，样本的标签是labels向量，例如四分类为[0,0,1,0]，

输出也是含有n个元素的向量，代表属于各个类别的概率。

上述三个损失函数都可以接受一个参数from_logits。该参数默认值为False，若设置为True，会将y_pred转化为概率（用相应的sigmoid或者softmax）,否则不进行转换，通常情况下用True结果更稳定。

以上就是超级雪糕为你收集整理的分类问题的损失函数使用方法的全部内容，希望文章能够帮你解决分类问题的损失函数使用方法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。