Kehilangan kuasa dua

Kerugian kuadrat adalah fungsi kerugian yang boleh digunakan dalam tetapan pembelajaran di mana kita meramalkan pembolehubah bernilai sebenar y diberikan pembolehubah input x.

1. Bagaimana anda mengira kerugian kuadrat?
2. Adakah kehilangan L2 sama dengan kehilangan MSE?
3. Mengapa kerugian dibahagikan dengan 2?
4. Adakah kehilangan ralat ralat rawak?

Bagaimana anda mengira kerugian kuadrat?

Bagaimana anda mengira kehilangan kesilapan yang sama? Kerugian kesilapan kuadrat (MSE) dikira dengan mengambil perbezaan antara `y` dan ramalan kami, kemudian mengasingkan nilai tersebut. Kami mengambil nombor baru ini (persegi mereka), tambahkan semua itu bersama -sama untuk mendapatkan nilai akhir, akhirnya bahagikan nombor ini dengan Y lagi.

Adakah kehilangan L2 sama dengan kehilangan MSE?

Adalah kehilangan L2 sama seperti MSE (min kesilapan kuadrat)? Kerugian L2 dan MSE berkaitan, tetapi tidak sama. Kerugian L2 adalah kerugian bagi setiap contoh, sementara MSE adalah fungsi kos yang merupakan pengagregatan semua nilai kerugian dalam dataset.

Mengapa kerugian dibahagikan dengan 2?

Ia mudah. Ini kerana apabila anda mengambil derivatif fungsi kos, yang digunakan untuk mengemas kini parameter semasa keturunan kecerunan, bahawa 2 dalam kuasa dibatalkan dengan 12 pengganda, oleh itu derivasi adalah bersih.

Adakah kehilangan ralat ralat rawak?

MSE adalah fungsi risiko, sepadan dengan nilai yang dijangkakan kerugian ralat kuadrat. Hakikat bahawa MSE hampir selalu positif (dan tidak sifar) adalah kerana kekangan atau kerana penganggar tidak mengambil kira maklumat yang dapat menghasilkan anggaran yang lebih tepat.