GDBT公式問題 - Cupoy

2019/11/29 上午 08:31

機器學習共學討論版

Ma Chao Ting

觀看數：10

回答數：2

收藏數：0

ml100-3

ml100-3-d45

在D45的影片中看到

不理解為什麼L(g)可以等於右邊exp的公式, 這樣的公式可以達到什麼效果? 也可以作為loss function?

影片網址: https://www.youtube.com/watch?v=tH9FH1DH5n0

回答列表

• 2019/12/10 下午 06:49
  Jimmy
  贊同數：0
  不贊同數：0
  留言數：0

  Hi!

  
  

  只要能反映出 y_pred 與 y_true 相差越多，值會越大的函數都能用來當作 Loss function，像是 L1, L2, Cross-entropy 等等。這邊使用 exponential 當成一種 Loss function，好處是 implement 比較容易，你可以參考這篇文章

  
  

  https://books.google.com.tw/books?id=DXZjAQAAQBAJ&pg=PA59&lpg=PA59&dq=Why+Exponential+Loss?&source=bl&ots=ek6NTMb5aM&sig=ACfU3U0DWwKHunIFiDNYoqlUtdZp8IXCeQ&hl=zh-TW&sa=X&ved=2ahUKEwi0vIDt8qrmAhVnxYsBHdrmCF84ChDoATAAegQIChAB#v=onepage&q=Why%20Exponential%20Loss%3F&f=false

• 2021/02/27 上午 03:26
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  其實有很多種 Loss Function 使用，只要可以用來代表「預期」與「真實」的差距即可，可以參考這一篇文章： https://medium.com/@CinnamonAITaiwan/cnn%E6%A8%A1%E5%9E%8B-%E6%90%8D%E5%A4%B1%E5%87%BD%E6%95%B8-loss-function-647e13956c50