哪种损失函数常用与深度学习模型的训练？

常用损失函数

• 均方误差损失：用于回归问题，计算预测值与真实值的平方差，公式为 $\text{MSE} = \frac{1}{n} \sum (y - \hat{y})^2$。1
• 交叉熵损失：常用于分类问题，衡量模型预测概率分布与真实标签的一致性。1
• Hinge损失：用于支持向量机，增强模型对边界点的敏感性。23
• 平均绝对误差损失：计算预测值与真实值的绝对差，对异常值不敏感。3
• 分位数损失：用于回归问题，关注预测值与真实值的分位数差异。4
• 二进制交叉熵损失：用于二分类问题，计算模型预测概率与真实标签的一致性。1