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
使用scrapy实现爬网站例子和实现网络爬虫(蜘蛛)的步骤
Jan 23 Python
python实现将元祖转换成数组的方法
May 04 Python
python连接MySQL数据库实例分析
May 12 Python
Python存取XML的常见方法实例分析
Mar 21 Python
python和ruby,我选谁?
Sep 13 Python
Python使用MD5加密算法对字符串进行加密操作示例
Mar 30 Python
python 设置xlabel,ylabel 坐标轴字体大小,字体类型
Jul 23 Python
浅谈python3中input输入的使用
Aug 02 Python
利用python实现AR教程
Nov 20 Python
Python实现计算长方形面积(带参数函数demo)
Jan 18 Python
解决PyCharm不在run输出运行结果而不是再Console里输出的问题
Sep 21 Python
Python使用eval函数执行动态标表达式过程详解
Oct 17 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
怎样给PHP源代码加密?PHP二进制加密与解密的解决办法
2013/04/22 PHP
php获取数组中重复数据的两种方法
2013/06/28 PHP
PHP正则验证Email的方法
2015/06/15 PHP
详解PHP文件的自动加载(autoloading)
2018/02/04 PHP
鼠标移动到一张图片时变为另一张图片
2006/12/05 Javascript
js调用activeX获取u盘序列号的代码
2011/11/21 Javascript
《JavaScript高级程序设计》阅读笔记(一) ECMAScript基础
2012/02/27 Javascript
使用Math.floor与Math.random取随机整数的方法详解
2013/05/07 Javascript
JS控制阿拉伯数字转为中文大写示例代码
2013/09/04 Javascript
jQuery团购倒计时特效实现方法
2015/05/07 Javascript
JS实现的简洁二级导航菜单雏形效果
2015/10/13 Javascript
js实现接收表单的值并将值拼在表单action后面的方法
2015/11/23 Javascript
JS控制层作圆周运动的方法
2016/06/20 Javascript
js防刷新的倒计时代码 js倒计时代码
2017/09/06 Javascript
解决npm管理员身份install时出现权限的问题
2018/03/16 Javascript
微信小程序实现电子签名功能
2020/07/29 Javascript
[05:04]完美世界携手游戏风云打造 卡尔工作室地图界面篇
2013/04/23 DOTA
[01:05:56]Liquid vs VP Supermajor决赛 BO 第二场 6.10
2018/07/04 DOTA
Python base64编码解码实例
2015/06/21 Python
Python 模板引擎的注入问题分析
2017/01/01 Python
python获取网页中所有图片并筛选指定分辨率的方法
2018/03/31 Python
pygame实现打字游戏
2021/02/19 Python
英国首屈一指的票务公司:See Tickets
2019/05/11 全球购物
软件测试英文面试题
2012/10/14 面试题
函授大专自我鉴定
2013/11/01 职场文书
项目投资意向书
2014/04/01 职场文书
《青山处处埋忠骨》教学反思
2014/04/22 职场文书
读书月活动方案
2014/05/22 职场文书
企业理念标语
2014/06/09 职场文书
酒店周年庆活动方案
2014/08/21 职场文书
责任书范本大全
2015/05/11 职场文书
房屋所有权证明
2015/06/19 职场文书
Mysql效率优化定位较低sql的两种方式
2021/05/26 MySQL
vue ref如何获取子组件属性值
2022/03/31 Vue.js
《模拟人生4》推出新补丁 “婚礼奇缘”DLC终于得到修复
2022/04/03 其他游戏
SQL使用复合索引实现数据库查询的优化
2022/05/25 SQL Server