面试常见损失函数

✅常见损失函数的包括:
1. 均方误差 MSE (回归)
MSE计算预测值与真实值之间的均方误差，对离群点敏感。
2. 平均绝对误差 MAE (回归)
L1Loss计算绝对误差，对离群点更加健壮。
3. 二元交叉熵 BCE (二分类)
BCELoss专门用于二分类问题，严格按照交叉熵公式计算。
4. Hinge Loss (SVM分类)
它用于衡量模型的分类输出与真实标签之间的差异，并被设计为一种较好的分离超平面优化目标。
5. Focal Loss (处理样本不平衡)
Focal Loss 是一种改进的交叉熵损失函数，专为解决样本不均衡问题设计。
下面总结了面试官常问问题:
1. MSE 为什么对异常值敏感?
2.Focal Loss 是怎么处理样本不平衡的?
3. 交叉熵损失实现时为什么需要 clip 这一步?
4. Hinge 损失和 SVM 的关系?
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。