Neural network 如何计算具有多个输出的神经网络的均方误差?
根据我的理解,MSE的公式是:MSE=1/n*∑(t−y) ^2,其中n是训练集的数量,t是我的目标输出,y是我的实际输出。假设我有两个训练集,每个训练集有一个输出:Neural network 如何计算具有多个输出的神经网络的均方误差?,neural-network,loss-function,Neural Network,Loss Function,根据我的理解,MSE的公式是:MSE=1/n*∑(t−y) ^2,其中n是训练集的数量,t是我的目标输出,y是我的实际输出。假设我有两个训练集,每个训练集有一个输出: [0;0]t=[0]y=[1] [1;1]t=[1]y=[1] 如果我应用MSE,我将得到MSE=1/2*[(0-1)^2+(1-1)^2]=1/2 但是如果我有超过1个输出呢?我是否计算每个训练集的MSE,然后计算得到的所有MSE的平均值?您确定n是训练集的数量吗?你在哪里读到的?你能提供那句话的来源吗?公平地说,我不知道,我只
[0;0]t=[0]y=[1]
[1;1]t=[1]y=[1]
如果我应用MSE,我将得到MSE=1/2*[(0-1)^2+(1-1)^2]=1/2但是如果我有超过1个输出呢?我是否计算每个训练集的MSE,然后计算得到的所有MSE的平均值?您确定
n
是训练集的数量吗?你在哪里读到的?你能提供那句话的来源吗?公平地说,我不知道,我只是假设,因为我有很多训练集,误差的平均值应该通过将总和除以训练集的数量来计算。但是,我不知道对于具有1个以上输出的网络,情况是否仍然如此。n
在这种情况下,通常是输出端口的数量,因此您总结输出端口的所有错误,并建立平均值。我不认为这意味着训练集的数量。但是我如何计算整个网络的误差呢?我是否取所有MSE的平均值?就像我有2个训练集,每个都有2个输出。在第一个训练集中,MSE为2,在第二个训练集中,MSE为1,因此网络误差应为(2+1)/2=1.5?