13. 常见的损失函数及改进1

逻辑回归

最小二乘法

支持向量机

需积分: 0 4 下载量 71 浏览量 2022-08-03 21:28:42 上传评论收藏 3.17MB PDF 举报

温馨提示

试读

13页

具体可以参考李航大神的《统计学方法》第六章8.2 交叉熵损失目标识别有两大经典结构: 第一类是以Faster RCNN为代表的两级识别方法，这种结构的第一级专注

资源详情

资源评论

资源推荐

 
1.log对数损失函数（逻辑回归）
2.平方损失函数（最小二乘法,OrdinaryLeastSquares）
3.指数损失函数（Adaboost)
4.Hinge损失函数（SVM)
5.其他损失函数
5.10-1损失函数
5.2绝对值损失函数
6.损失函数改进之Large-MarginSoftmaxLoss（基于最大间隔）
7.loss改进之带权重的loss
8、交叉熵
8.1softmax分类器
8.2交叉熵损失
9.Focalloss
10.smoothL1loss
11.tripletloss
12.centerloss
12.1softmaxloss
12.2centerloss
损
失
函
数
大
总
结
：
https://blog.csdn.net/qq_14845119/article/details/80787753
 
损失函数（loss function)是用来估量模型的预测值f(x)与真实值Y的不一致程
度，是一个非负实值函数，通常使用L(Y,f(x))来表示。损失函数越小，模型的鲁棒性
越好。损失函数是
经
验
风
险
函
数
的核心部分，也是
结
构
风
险
函
数
重要组成部分。模型
的结构风险函数包括了经验风险项和正则项，通常表示如下：