losses

classicML的损失函数.

Loss

损失函数的基类.

cml.losses.Loss(name='loss')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

异常

• NotImplementedError: 函数没有实现.

BinaryCrossentropy

二分类交叉熵损失函数.

cml.losses.BinaryCrossentropy(name='binary_crossentropy')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的损失值.

CategoricalCrossentropy

多分类交叉熵损失函数.

cml.losses.CategoricalCrossentropy(name='categorical_crossentropy')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的损失值.

Crossentropy

交叉熵损失函数，将根据标签的实际形状自动使用二分类或者多分类损失函数.

cml.losses.Crossentropy(name='crossentropy')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的损失值.

LogLikelihood

对数似然损失函数.

cml.losses.CategoricalCrossentropy(name='log_likelihood')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_true, beta, *args, **kwargs)

参数

• y_true: 一个 Numpy数组，真实的标签.

• beta: 一个 Numpy数组，模型的参数矩阵.

• x_hat: 一个 Numpy数组，属性的参数矩阵.

返回

当前的损失值.

MeanSquaredError

均方误差损失函数.

cml.losses.MeanSquaredError(name='mean_squared_error')

参数

• name: 字符串，损失函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的损失值.