- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
Loss
Berechnung des Wertes der Verlustfunktion
double vector::Loss(
|
Parameter
vect_true/matrix_true
[in] Vektor oder Matrix mit den tatsächlichen Werten.
loss
[in] Verlustfunktion aus der Enumeration ENUM_LOSS_FUNCTION.
axis
[in] ENUM_MATRIX_AXIS Wert der Enumeration (AXIS_HORZ — horizontale Achse, AXIS_VERT — vertikale Achse).
...
[in] Der zusätzliche Parameter 'delta' kann nur von der Hubert-Verlustfunktion (LOSS_HUBER) verwendet werden.
Rückgabewert
Ein Wert vom Typ double
Wie der Parameter 'delta' in der Hubert-Verlustfunktion (LOSS_HUBER) verwendet wird
double delta = 1.0;
|
Hinweis
Ein neuronales Netz zielt darauf ab, die Algorithmen zu finden, die den Fehler in der Trainingsstichprobe, für die die Verlustfunktion verwendet wird, minimieren.
Der Wert der Verlustfunktion gibt an, um wie viel der vom Modell vorhergesagte Wert vom realen Wert abweicht.
Je nach Problemstellung werden unterschiedliche Verlustfunktionen verwendet. So wird beispielsweise der mittlere quadratische Fehler (MSE) für Regressionsprobleme und die binäre Kreuzentropie (BCE) für binäre Klassifikationszwecke verwendet.
Beispiel für den Aufruf der Hubert-Verlustfunktion:
vector y_true = {0.0, 1.0, 0.0, 0.0};
|