浅谈keras中的目标函数和优化函数MSE用法


Posted in Python onJune 10, 2020

mean_squared_error / mse 均方误差,常用的目标函数,公式为((y_pred-y_true)**2).mean()

model = Sequential()  
model.add(Dense(64, init='uniform', input_dim=10))  
model.add(Activation('tanh'))  
model.add(Activation('softmax'))  
   
sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)  
model.compile(loss='mean_squared_error', optimizer=sgd)

补充知识:(Keras)——keras 损失函数与评价指标详解

1、目标函数

(1)mean_squared_error / mse 均方误差,常用的目标函数,公式为((y_pred-y_true)**2).mean()

(2)mean_absolute_error / mae 绝对值均差,公式为(|y_pred-y_true|).mean()

(3) mean_absolute_percentage_error / mape公式为:(|(y_true - y_pred) / clip((|y_true|),epsilon, infinite)|).mean(axis=-1) * 100,和mae的区别就是,累加的是(预测值与实际值的差)除以(剔除不介于epsilon和infinite之间的实际值),然后求均值。

(4)mean_squared_logarithmic_error / msle公式为: (log(clip(y_pred, epsilon, infinite)+1)- log(clip(y_true, epsilon,infinite)+1.))^2.mean(axis=-1),这个就是加入了log对数,剔除不介于epsilon和infinite之间的预测值与实际值之后,然后取对数,作差,平方,累加求均值。

(5)squared_hinge 公式为:(max(1-y_truey_pred,0))^2.mean(axis=-1),取1减去预测值与实际值乘积的结果与0比相对大的值的平方的累加均值。

(6)hinge 公式为:(max(1-y_truey_pred,0)).mean(axis=-1),取1减去预测值与实际值乘积的结果与0比相对大的值的的累加均值。

(7)binary_crossentropy: 常说的逻辑回归, 就是常用的交叉熵函

(8)categorical_crossentropy: 多分类的逻辑

2、性能评估函数:

(1)binary_accuracy: 对二分类问题,计算在所有预测值上的平均正确率

(2)categorical_accuracy:对多分类问题,计算再所有预测值上的平均正确率

(3)sparse_categorical_accuracy:与categorical_accuracy相同,在对稀疏的目标值预测时有用

(4)top_k_categorical_accracy: 计算top-k正确率,当预测值的前k个值中存在目标类别即认为预测正确

(5)sparse_top_k_categorical_accuracy:与top_k_categorical_accracy作用相同,但适用于稀疏情况

以上这篇浅谈keras中的目标函数和优化函数MSE用法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python爬取拉勾网职位数据的方法
Jan 24 Python
Python实现合并同一个文件夹下所有PDF文件的方法示例
Apr 28 Python
用TensorFlow实现戴明回归算法的示例
May 02 Python
Python 最大概率法进行汉语切分的方法
Dec 14 Python
解决python3 pika之连接断开的问题
Dec 18 Python
python mac下安装虚拟环境的图文教程
Apr 12 Python
pandas分区间,算频率的实例
Jul 04 Python
python3+django2开发一个简单的人员管理系统过程详解
Jul 23 Python
springboot配置文件抽离 git管理统 配置中心详解
Sep 02 Python
如何在django中添加日志功能
Feb 06 Python
python中四舍五入的正确打开方式
Jan 18 Python
python游戏开发之pygame实现接球小游戏
Apr 22 Python
keras 解决加载lstm+crf模型出错的问题
Jun 10 #Python
使用Keras加载含有自定义层或函数的模型操作
Jun 10 #Python
keras 获取某层的输入/输出 tensor 尺寸操作
Jun 10 #Python
Python 字典中的所有方法及用法
Jun 10 #Python
在keras 中获取张量 tensor 的维度大小实例
Jun 10 #Python
Keras—embedding嵌入层的用法详解
Jun 10 #Python
Keras框架中的epoch、bacth、batch size、iteration使用介绍
Jun 10 #Python
You might like
PHP学习笔记(三):数据类型转换与常量介绍
2015/04/17 PHP
变量在 PHP7 内部的实现(二)
2015/12/21 PHP
JQuery的AJAX实现文件下载的小例子
2013/05/15 Javascript
js导出格式化的excel 实例方法
2013/07/17 Javascript
js实现全屏漂浮广告移入光标停止移动
2013/12/02 Javascript
推荐一个自己用的封装好的javascript插件
2015/01/29 Javascript
原生JS实现平滑回到顶部组件
2016/03/16 Javascript
在Docker快速部署Node.js应用的详细步骤
2016/09/02 Javascript
jQuery实现倒计时重新发送短信验证码功能示例
2017/01/12 Javascript
js/jquery控制页面动态加载数据 滑动滚动条自动加载事件的方法
2017/02/08 Javascript
jQuery时间验证和转换为标准格式的时间格式
2017/03/06 Javascript
jQuery插件zTree实现删除树子节点的方法示例
2017/03/08 Javascript
详解Angular4中路由Router类的跳转navigate
2017/06/09 Javascript
最实用的JS数组函数整理
2017/12/05 Javascript
jQuery实现的简单歌词滚动功能示例
2019/01/07 jQuery
关于layui 下拉列表的change事件详解
2019/09/20 Javascript
vue 中几种传值方法(3种)
2019/11/12 Javascript
python实现通过shelve修改对象实例
2014/09/26 Python
Python建立Map写Excel表实例解析
2018/01/17 Python
python对列进行平移变换的方法(shift)
2019/01/10 Python
使用python itchat包爬取微信好友头像形成矩形头像集的方法
2019/02/21 Python
python同义词替换的实现(jieba分词)
2020/01/21 Python
TensorFlow 读取CSV数据的实例
2020/02/05 Python
利用python绘制数据曲线图的实现
2020/04/09 Python
解决Keras中CNN输入维度报错问题
2020/06/29 Python
keras的backend 设置 tensorflow,theano操作
2020/06/30 Python
《兰亭集序》教学反思
2014/02/11 职场文书
党委班子剖析材料
2014/08/21 职场文书
课外访万家心得体会
2014/09/03 职场文书
会计稽核岗位职责
2015/04/13 职场文书
大学生实习证明
2015/06/16 职场文书
大学组织委员竞选稿
2015/11/21 职场文书
《攀登者》:“海拔8000米以上,你不能指望任何人”
2019/11/25 职场文书
高端收音机+蓝牙音箱,JBL TUNER FM带收音蓝牙音箱评测
2021/04/24 无线电
Spring Boot 实现敏感词及特殊字符过滤处理
2021/06/29 Java/Android
关于PHP数组迭代器的使用方法实例
2021/11/17 PHP