Sotnikov Asked:2020-06-10 18:20:34 +0800 CST2020-06-10 18:20:34 +0800 CST 2020-06-10 18:20:34 +0800 CST 损失函数和质量指标 772 机器学习问题。由于我是自学成才的，因此通常会出现愚蠢的问题。 我经常遇到术语损失函数和质量度量。我是否正确理解它们本质上是相同的。只有一个损失函数用于训练。模型测试的质量指标。但事实上他们可以是平等的，对吧？ машинное-обучение 2 个回答 Voted Best Answer CrazyElf 2020-06-10T20:27:10+08:002020-06-10T20:27:10+08:00 在训练时，他们尝试使用尽可能快的损失函数，以便在可接受的时间内进行训练。训练时损失函数不会很准确并且与目标业务指标不对应并不是那么重要。最主要的是，它允许你至少以某种方式评估模型训练的进度，以便模型可以学习并知道移动到哪里。 但是为了最终检查模型最终的学习效果，他们已经使用了目标质量指标，这将允许（在测试/验证数据上）更准确地评估经过训练的模型是否提供了企业期望的质量。 但是如果模型的学习率对你来说不重要（你的数据很少，模型简单，计算能力无限），或者业务指标不是很重要，那么你当然可以对两者使用相同的功能模型的训练和验证/最终评估。 passant 2020-06-10T21:17:40+08:002020-06-10T21:17:40+08:00 对于使用神经网络或简单的优化方法（包括梯度下降）来构建模型的情况，受人尊敬的 CrazyElf 所写的一切都是绝对正确的。在机器学习的其他情况下，计算损失函数的“速度”可能不起作用。并发挥，例如，它的可微性 - 就像在回归问题中一样。或者试图以某种方式限制获得的系数类型 - “套索回归”。或确保方法的稳健性 - 在回归和聚类中。NLP 有自己的功能和指标。有很多选择。但是有一个共同点 - 损失函数，这是您试图更好地“使模型适应输入数据”的原因。事实上，该指标已经是一种比较不同奖牌的方式。它可能与损失函数一致（或非常相似）或与之不同。 选择正确的损失函数和质量指标的能力对于机器学习专家来说是一项非常重要的技能。这个问题处于数据科学本身和您工作的应用领域的边缘。不幸的是，作为一项规则，课程中很少有这个问题的空间，特别是在 YouTube 上的各种科普视频和各种网站上为年轻学生改编的“课程”中。当然，当然也有例外。
在训练时，他们尝试使用尽可能快的损失函数，以便在可接受的时间内进行训练。训练时损失函数不会很准确并且与目标业务指标不对应并不是那么重要。最主要的是，它允许你至少以某种方式评估模型训练的进度，以便模型可以学习并知道移动到哪里。
但是为了最终检查模型最终的学习效果，他们已经使用了目标质量指标，这将允许（在测试/验证数据上）更准确地评估经过训练的模型是否提供了企业期望的质量。
但是如果模型的学习率对你来说不重要（你的数据很少，模型简单，计算能力无限），或者业务指标不是很重要，那么你当然可以对两者使用相同的功能模型的训练和验证/最终评估。
对于使用神经网络或简单的优化方法（包括梯度下降）来构建模型的情况，受人尊敬的 CrazyElf 所写的一切都是绝对正确的。在机器学习的其他情况下，计算损失函数的“速度”可能不起作用。并发挥，例如，它的可微性 - 就像在回归问题中一样。或者试图以某种方式限制获得的系数类型 - “套索回归”。或确保方法的稳健性 - 在回归和聚类中。NLP 有自己的功能和指标。有很多选择。但是有一个共同点 - 损失函数，这是您试图更好地“使模型适应输入数据”的原因。事实上，该指标已经是一种比较不同奖牌的方式。它可能与损失函数一致（或非常相似）或与之不同。
选择正确的损失函数和质量指标的能力对于机器学习专家来说是一项非常重要的技能。这个问题处于数据科学本身和您工作的应用领域的边缘。不幸的是，作为一项规则，课程中很少有这个问题的空间，特别是在 YouTube 上的各种科普视频和各种网站上为年轻学生改编的“课程”中。当然，当然也有例外。