使用神经网络解决分类问题时,为什么交叉熵误差更好
前言在机器学习中,如何度量模型已经达到较好的效果呢?通常我们使用模型的预测值和真实值之间的差值作为指标,即误差(error)。定义这个误差的函数,我们称为损失函数(loss function)或者代价函数(cost function)。常见的损失函数有0-1损失函数、平方损失函数、交叉熵损失函数、Hinge损失函数、指数损失函数等。
在使用神经网络训练分类模型时,通常以交叉熵误差来度量神经网络模型
...