loss-function

Вопрос или проблема Я определяю задачу классификации как задачу вычисления функции $h$, которая аппроксимирует функцию $f$, классифицирующую данные. Аппроксимация вычисляется на основе набора обучающих образцов и их классификаций по $f$ и обучения модели на этом наборе данных.

Вопрос или проблема Я пытаюсь предсказать вероятность с помощью нейронной сети, но у меня возникают проблемы с тем, чтобы понять, какая функция потерь лучше. Первой мыслью для меня была перекрестная энтропия, но в других ресурсах всегда говорится об этом

Вопрос или проблема В задаче регрессии нам может потребоваться функция потерь для измерения относительной точности ранжирования между целевыми значениями $y$ и предсказанными значениями $y_{pred}$. Очевидно, что простая MSE не учитывает такие ранговые отношения.

Вопрос или проблема Я разработал cGAN для задачи регрессии и предсказания некоторых значений, таких как масса. Я попробовал разные функции активации, оптимизаторы и функции потерь, но моя модель нестабильна, и я не могу получить значимые результаты предсказания.

Вопрос или проблема Я разработал cGAN для регрессионной задачи и предсказания некоторых значений, таких как масса. Я пробовал разные функции активации и оптимизаторы, а также функции потерь, но моя модель нестабильна, и я не могу получить значимые результаты предсказания.

Вопрос или проблема Я работаю над моделью глубокого обучения с неравномерным тензором, где настраиваемая функция потерь связана с: f(x)+f(x+50) и f(x)=1/(1-exp(-x))-1/x при x!=0, f(x)=0.5 при x=0. f(x) находится в диапазоне от 0 до 1 и является непрерывной

Вопрос или проблема Работая с tensorflow + keras, я пытаюсь определить пользовательскую функцию потерь. Примечание: меня больше интересует значение потерь, чем фактическое значение предсказаний (это будет использоваться для обнаружения аномалий).

Вопрос или проблема Для той же задачи бинарной классификации изображений, если на последнем слое я использую 1 узел с Sigmoid активацией и binary_crossentropy функцией потерь, процесс обучения проходит довольно гладко (92% точности после 3 эпох на валидационных данных).

Вопрос или проблема Рейтингующий дискриминатор D(z1, z2, z3 ) ∈ [0, 1] должен быть высоким, если _z1 ∼ p1 , z2 ∼ p2 , z3 ∼ p3 _ и низким в противном случае. Для нахождения потерь и оптимального дискриминатора D(z1 , z2 , z3 ) следует ли мне изменить потери

Вопрос или проблема Насколько я понимаю, целевая функция — это то, что я пытаюсь оптимизировать, а оценочная статистика — это то, что я использую для поиска переобучения. Я наткнулся на 4 функции потерь, которые, кажется, одинаковы, но я не совсем уверен.

Вопрос или проблема У меня есть набор данных о разных людях с их страховыми расходами. Я обучил нейронную сеть для предсказания страховых расходов (столбец charges) на основе других признаков (возраст, индекс массы тела и т. д.

Вопрос или проблема Я работаю над задачей многоклассовой классификации с использованием моделей Keras Sequential. В моем наборе данных выходной класс имеет одно из следующих значений: (1, 2, 3, 4, 5). Да, я уже пробовал использовать one-hot-кодирование