损失函数
一、平分损失
二、对数损失
三、交叉熵损失
$L_\theta(x) =- \frac{1}{m}\sum_{i=1}^{m}(y_{i}log \hat{y_{i}}+(1-y_{i})log(1- \hat{y_{i}}))$
四、指数损失
问题：在0，1分类问题中为什么不用平方损失
从梯度优化方向来回答：
- 上一篇: boostring算法
- 下一篇: bert算法原理
$L_\theta(x) =- \frac{1}{m}\sum_{i=1}^{m}(y_{i}log \hat{y_{i}}+(1-y_{i})log(1- \hat{y_{i}}))$
问题：在0，1分类问题中为什么不用平方损失
从梯度优化方向来回答：