Machine learning 在机器学习中，损失函数和RMSE有什么区别？
有人能解释一下机器学习中损失函数和RMSE（均方根误差）之间的区别吗？损失函数代表学习系统输出的函数和您希望最小化的“基本事实” 在回归问题的情况下，一个合理的损失函数是RMSEMachine learning 在机器学习中，损失函数和RMSE有什么区别？,machine-learning,loss-function,Machine Learning,Loss Function,有人能解释一下机器学习中损失函数和RMSE（均方根误差）之间的区别吗？损失函数代表学习系统输出的函数和您希望最小化的“基本事实” 在回归问题的情况下，一个合理的损失函数是RMSE 对于分类情况，RMSE不是损失函数的好选择。损失函数代表学习系统输出的函数和您希望最小化的“基本事实” 在回归问题的情况下，一个合理的损失函数是RMSE 对于分类情况，RMSE不是损失函数的好选择。均方根误差是真实因变量和预测因变量差值的平方根 我们为什么做平方根？ 如果我们发现差异b/w为真和预测值，您可能会得到负值
对于分类情况，RMSE不是损失函数的好选择。损失函数代表学习系统输出的函数和您希望最小化的“基本事实” 在回归问题的情况下，一个合理的损失函数是RMSE
对于分类情况，RMSE不是损失函数的好选择。均方根误差是真实因变量和预测因变量差值的平方根 我们为什么做平方根？ 如果我们发现差异b/w为真和预测值，您可能会得到负值和正值。如果你对这个差值求和，它将是零，这是无用的 损失函数只是真实和预测的差值
如果存在连续因变量（通常在回归问题的情况下），则会计算RMSE。均方根误差是真实因变量和预测因变量差值的平方根 我们为什么做平方根？ 如果我们发现差异b/w为真和预测值，您可能会得到负值和正值。如果你对这个差值求和，它将是零，这是无用的 损失函数只是真实和预测的差值
如果存在连续因变量（通常在回归问题中），则计算RMSE。RMSE是损失函数，没有区别。RMSE是损失函数，没有区别。非常感谢Tharun:）不完全正确：RMSE确实是损失函数，正如在评论和其他回答中已经指出的，非常感谢Tharun：）不完全正确：正如评论和其他回答中已经指出的，RMSE确实是一个损失函数