为什么神经网络损失函数总是正的

Question

我正在努力填补我的知识空白。在查看神经网络的大多数损失函数时，例如 mse、mae、L1、L2，损失总是记录为正值。我不明白的是为什么？为了根据需要提高或降低网络的权重，损失函数是否应该具有正值或负值？

Answer 1

像均方误差 (MSE) 函数这样的损失函数总是给出正的损失值。他们倾向于显示错误有多大，而不是在哪里发生。

假设我们的神经网络是一名篮球运动员。它的任务是 把球扔进篮筐。如果球落到左边 篮子，误差为负。但是，如果它落到右边， 错误是积极的。如果它落入篮子，则错误为 0。这 紧随其后的是早期的损失函数。在这种情况下，MSE 给出正损失并给出关于球的损失 没有到达篮筐。不关心球是否落下 在篮子的右侧或左侧。