Keras中损失函数和度量之间有什么区别? [重复]
deep-learning
keras
machine-learning
neural-network
16
0

我不清楚Keras中损失函数和度量之间的区别。该文档对我没有帮助。

参考资料:
Stack Overflow
收藏
评论
共 3 个回答
高赞 时间 活跃

损失函数用于优化模型。这是优化器将使其最小化的功能。

度量标准用于判断模型的性能。这只供您查看,与优化过程无关。

收藏
评论

我想到一个人为的例子:让我们考虑一下二维平面上的线性回归。在这种情况下,损失函数将是均方误差,拟合线将使该误差最小。

但是,由于某些原因,我们对拟合线从0到1的曲线下的面积非常感兴趣,因此这可能是度量之一。并且我们在模型最小化均方误差损失函数的同时监控该指标。

收藏
评论

损失函数是将参数一传递给Keras model.compile ,而在训练模型时实际上对其进行了优化。该损失函数通常由模型最小化。

与损失函数不同,度量是传递给Keras model.compile的另一个参数列表,该参数实际上用于判断模型的性能。

例如:由于某些原因,您可能希望最小化回归模型的MSE损失,同时还希望检查模型的AUC。在这种情况下,MSE是损失函数,而AUC是度量。指标是模型的参数,在每个训练时期之后,模型在验证集上进行自我判断时,都可以看到。重要的是要注意,该指标对于很少的Keras回调(例如EarlyStopping)非常重要,当人们想要停止训练模型时,以防指标无法肯定地提高。时代。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题