索引 / 标签
#损失函数
共 2 篇
- Ch03 AI数学
信息熵 (Information Entropy)
信息熵（Information Entropy）是信息论的核心概念，由 Claude Shannon 于 1948 年提出。熵衡量一个随机变量的不确定性或信息量。在机器学习中，信息熵及其衍生概念（交叉熵、KL 散度）是理解损失函数、模型评估和信息理论的基础。几乎所有分类问题的损失
约 3 分钟916 字 - Ch06 神经网络基础
损失函数 (Loss Function)
损失函数是机器学习中衡量模型预测值与真实值之间差异的数学函数。模型训练的目标是最小化损失函数，使预测结果尽可能接近真实标签。损失函数的选择直接影响模型的收敛速度、最终精度和泛化能力。 核心概念 损失函数 L(y, \haty) 接受真实标签 y 和模型预测 \haty，输出一个非
约 4 分钟1,290 字