定义损失函数python

损失函数是用来衡量预测值与真实值之间不一致程度的函数。在机器学习和神经网络中，我们需要定义一个损失函数来评估模型的性能，并且通过最小化损失函数来优化模型。

在Python中，我们可以使用NumPy和其他库来定义各种损失函数。以下是几个常见的损失函数的定义示例：

1. 均方误差损失（MSE）：

import numpy as np

def mean_squared_error(y_true, y_pred):
    return np.mean((y_true - y_pred) ** 2)

2. 平均绝对误差损失（MAE）：

import numpy as np

def mean_absolute_error(y_true, y_pred):
    return np.mean(np.abs(y_true - y_pred))

3. 交叉熵损失（Binary Cross Entropy）：

import numpy as np

def binary_cross_entropy(y_true, y_pred):
    epsilon = 1e-7  # 避免log(0)导致的错误
    return -np.mean(y_true * np.log(y_pred + epsilon) + (1 - y_true) * np.log(1 - y_pred + epsilon))

这些是只是几个常见的损失函数示例，根据不同的问题和任务，还有其他的损失函数可供选择。你可以根据自己的需求来定义和使用这些函数。