损失函数
2016-09-14 15:27
218 查看
原文地址:http://blog.csdn.net/zr459927180/article/details/50750736
目录(?)[-]
一quadratic sigmoid
一定义
二收敛特性
二cross entropy sigmoid
一定义
二两点特性
三收敛特性
四含义
三softmax log-likelihood
一softmax
二log-likelihood
三误差
四conclusion
一sigmoid
二softmax
五reference
先上结论:在使用sigmoid作为激活函数的时候,cross entropy相比于quadratic cost function,具有收敛速度快,更容易获得全局最优的特点;使用softmax作为激活函数,log-likelihood作为损失函数,不存在收敛慢的缺点。
对于损失函数的收敛特性,我们期望是当误差越大的时候,收敛(学习)速度应该越快。
C=(y−a)22
其中y是期望输出,a是实际输出
对于一个神经单元来讲,输入x和对应的输出a的关系满足
z=wx+b
a=δ(z)
根据链式法则,可以求得对应的偏导数
∂C∂w
19d1a
=(δ(z)−y)δ′(z)x
∂C∂b=(δ(z)−y)δ′(z)
如果激活函数使用的是sigmoid函数的话,根据激活函数的形状和特性可知,当δ(z)趋近于0或者趋近于1的时候,δ′(z)会趋近于0,当δ(z)趋近于0.5的时候,δ′(z)会最大。
比如说,取y=0,当δ(z)=1的时候,期望值和实际值的误差δ(z)−y达到最大,此时,δ′(z)会趋近于0,所以就会发生收敛速度慢的问题。
C=−(ylna+(1−y)ln(1−a))
1. 非负性
2. 预测值和期望值接近时,函数值趋于0
显然,quadratic cost function满足以上两点。cross entropy同样也满足以上两点,所以其可以成为一个合格的cost function。
z=wx+b
a=δ(z)
根据链式法则,可以求得对应的偏导数∂C∂w
∂C∂w=δ(z)−yδ(z)(1−δ(z))δ′(z)x
对于sigmoid函数来讲,满足
δ′(z)=δ(z)(1−δ(z))
所以,上式可化简为
∂C∂w=(δ(z)−y)x
同理可得∂C∂b
∂C∂b=δ(z)−y
由上面的推导可以看出,sigmoid函数的导数δ′(z)被分子和分母约掉,最后的结果是正比于期望值和预测值的差,即为当期望值和预测值相差越大的时候,收敛速度会越快,很好地解决了平方和损失函数的收敛速度慢的问题。
q(x)表示估计x的概率分布,p(x)表示真实x的概率分布,交叉熵定义如下:
H(p(x),q(x))=H(p(x))+D(p(x)||q(x))
H(p(x))表示p(x)的熵,定义如下:
H(p(x))=−∑x∈Xp(x)logp(x)
D(p(x)||q(x))表示p(x)和q(x)的KL距离(Kullback-Leibler
divergence),也叫作相对熵,定义如下:
D(p(x)||q(x))=∑x∈Xp(x)logp(x)q(x)
由此可得,交叉熵
H(p,q)=−∑x∈Xp(x)logq(x)
对于神经网络的二值输出(0或者1),假设神经网络输出a表示是输出1的概率(此时对应的y=1),那么1−a表示输出0的概率(此时对应的1−y=0),所以交叉熵可以定义成如下形式:
C=−(ylna+(1−y)ln(1−a))
zj=∑kwjkxk+bj
aj=ezj∑kezk
ay表示类别y对应的预测概率,如果预测好的话,ay会趋近于1,C会趋近于0,反之,ay趋近于0,C趋近于极大。
∂C∂wjk=∂C∂aj∗∂aj∂zj∗∂zj∂wjk=−1ajezj∗∑kezk−ezj∗ezj(∑kezk)2xk=(aj−1)∗xk
同理
∂C∂bj=aj−1
跟上面的cross entropy类似,当aj预测不好时,误差会很大,收敛会变快。
因为我们一般使用随机值来初始化权重,这就可能导致一部分期望值和预测值相差甚远。所以选择sigmoid作为激活函数的时候,推荐使用cross entropy。如果激活函数不是sigmoid,quadratic cost function就不会存在收敛速度慢的问题。
https://en.wikipedia.org/wiki/Cross_entropy
目录(?)[-]
一quadratic sigmoid
一定义
二收敛特性
二cross entropy sigmoid
一定义
二两点特性
三收敛特性
四含义
三softmax log-likelihood
一softmax
二log-likelihood
三误差
四conclusion
一sigmoid
二softmax
五reference
先上结论:在使用sigmoid作为激活函数的时候,cross entropy相比于quadratic cost function,具有收敛速度快,更容易获得全局最优的特点;使用softmax作为激活函数,log-likelihood作为损失函数,不存在收敛慢的缺点。
对于损失函数的收敛特性,我们期望是当误差越大的时候,收敛(学习)速度应该越快。
一、quadratic + sigmoid
(一)、定义
平方和损失函数定义C=(y−a)22
其中y是期望输出,a是实际输出
(二)、收敛特性
不幸的是,使用平方和作为损失函数的神经单元不具备这种性质(参考文献有一个非常直观的例子),具体分析如下:对于一个神经单元来讲,输入x和对应的输出a的关系满足
z=wx+b
a=δ(z)
根据链式法则,可以求得对应的偏导数
∂C∂w
19d1a
=(δ(z)−y)δ′(z)x
∂C∂b=(δ(z)−y)δ′(z)
如果激活函数使用的是sigmoid函数的话,根据激活函数的形状和特性可知,当δ(z)趋近于0或者趋近于1的时候,δ′(z)会趋近于0,当δ(z)趋近于0.5的时候,δ′(z)会最大。
比如说,取y=0,当δ(z)=1的时候,期望值和实际值的误差δ(z)−y达到最大,此时,δ′(z)会趋近于0,所以就会发生收敛速度慢的问题。
二、cross entropy + sigmoid
(一)、定义
为了解决上述收敛慢的问题,引入了交叉熵损失函数C=−(ylna+(1−y)ln(1−a))
(二)、两点特性
要想成为loss function,需要满足两点要求:1. 非负性
2. 预测值和期望值接近时,函数值趋于0
显然,quadratic cost function满足以上两点。cross entropy同样也满足以上两点,所以其可以成为一个合格的cost function。
(三)、收敛特性
对于一个神经单元来讲,输入x和对应的输出a的关系满足z=wx+b
a=δ(z)
根据链式法则,可以求得对应的偏导数∂C∂w
∂C∂w=δ(z)−yδ(z)(1−δ(z))δ′(z)x
对于sigmoid函数来讲,满足
δ′(z)=δ(z)(1−δ(z))
所以,上式可化简为
∂C∂w=(δ(z)−y)x
同理可得∂C∂b
∂C∂b=δ(z)−y
由上面的推导可以看出,sigmoid函数的导数δ′(z)被分子和分母约掉,最后的结果是正比于期望值和预测值的差,即为当期望值和预测值相差越大的时候,收敛速度会越快,很好地解决了平方和损失函数的收敛速度慢的问题。
(四)、含义
交叉熵是用来衡量两个概率分布之间的差异。交叉熵越大,两个分布之间的差异越大,越对实验结果感到意外,反之,交叉熵越小,两个分布越相似,越符合预期。下面以离散分布为例讨论。q(x)表示估计x的概率分布,p(x)表示真实x的概率分布,交叉熵定义如下:
H(p(x),q(x))=H(p(x))+D(p(x)||q(x))
H(p(x))表示p(x)的熵,定义如下:
H(p(x))=−∑x∈Xp(x)logp(x)
D(p(x)||q(x))表示p(x)和q(x)的KL距离(Kullback-Leibler
divergence),也叫作相对熵,定义如下:
D(p(x)||q(x))=∑x∈Xp(x)logp(x)q(x)
由此可得,交叉熵
H(p,q)=−∑x∈Xp(x)logq(x)
对于神经网络的二值输出(0或者1),假设神经网络输出a表示是输出1的概率(此时对应的y=1),那么1−a表示输出0的概率(此时对应的1−y=0),所以交叉熵可以定义成如下形式:
C=−(ylna+(1−y)ln(1−a))
三、softmax + log-likelihood
(一)、softmax
softmax定义如下zj=∑kwjkxk+bj
aj=ezj∑kezk
(二)、log-likelihood
C=−lnayay表示类别y对应的预测概率,如果预测好的话,ay会趋近于1,C会趋近于0,反之,ay趋近于0,C趋近于极大。
(三)、误差
根据链式法则∂C∂wjk=∂C∂aj∗∂aj∂zj∗∂zj∂wjk=−1ajezj∗∑kezk−ezj∗ezj(∑kezk)2xk=(aj−1)∗xk
同理
∂C∂bj=aj−1
跟上面的cross entropy类似,当aj预测不好时,误差会很大,收敛会变快。
四、conclusion
(一)、sigmoid
在激活函数使用sigmoid的前提之下,相比于quadratic cost function, cross entropy cost function具有收敛速度快和更容易获得全局最优(至于为什么更容易获得全局最优,个人感觉有点类似于动量的物理意义,增加收敛的步长,加快收敛的速度,更容易跳过局部最优)的特点。因为我们一般使用随机值来初始化权重,这就可能导致一部分期望值和预测值相差甚远。所以选择sigmoid作为激活函数的时候,推荐使用cross entropy。如果激活函数不是sigmoid,quadratic cost function就不会存在收敛速度慢的问题。
(二)、softmax
对于分类问题,如果希望输出是类别的概率,那么激活函数选择使用softmax,同时使用log-likelihood作为损失函数。五、reference
http://neuralnetworksanddeeplearning.com/chap3.html#the_cross-entropy_cost_functionhttps://en.wikipedia.org/wiki/Cross_entropy
相关文章推荐
- RDD基本转换操作(3)–randomSplit、glom
- iOS富文本编辑(在label里显示文字和图片)
- windows10中远程连接虚拟机上的kafka错误解决办法
- hadoop-pig学习笔记
- hadoop-hive学习笔记
- IO调度算法
- 最后的配置部分:LNMP+Tomcat
- 二叉树的前序、中序、后序三种遍历的六种实现方式(递归、非递归)(C++)
- ffmpeg的对象架构简析——解复用器
- Mybatis入门:(3)数据的增删改查
- iOS 判断设备是否越狱
- Ubuntu 14.04下Openface的环境搭建
- hadoop-hbase学习笔记
- Java选择排序
- C++开发者都应该使用的10个C++11特性
- LoadRunner脚本增强之关联
- PHP and Python学习
- C# 枚举在项目中使用心得
- hadoop-sqoop学习笔记
- PAT 1072. Gas Station (30)(多个点的最短路径)