keras中损失函数简要总结

from keras.losses import *

以下是正文。

方差 MSE mean_squared_error

方差。
（差点忘了方差是什么，丢死人。）

注重单个巨大偏差。

平均绝对差 MAE mean_absolute_error

差的绝对值的平均数。

平均对待每个偏差。

平均误差百分数 MAPE mean_absolute_percentage_error

误差百分数（非负）的平均数。比如50和150对100的误差百分数都是50。

自己感受。

对数方差 MSLE mean_squared_logarithmic_error

对数的方差。（会将值先+1再取对数）

Hinge

奇怪。

logcosh

log(cosh(error))。

据说类似方差。

交叉熵 Cross Entropy

哦，原来数组是batch数组啊。我还以为是sequence数组呢。那我要是返回XX怎么搞啊。

有人说回归问题常用方差，分类问题常用交叉熵。

有人言，交叉熵描述了两个概率分布的距离。

如果要将神经网络的输出转化为概率分布，使用softmax。（刚才写成sigmoid了，又丢人了）

keras中有binary_crossentropy和categorical_crossentropy。不知道有什么区别。