分类：
交叉熵损失函数（Cross-entropy loss function）
KL散度、交叉熵损失函数、nn.CrossEntropyLoss()_HealthScience的博客-CSDN博客
权重交叉熵损失函数（Weighted cross-entropy loss function）
BCEWithLogitsLoss
[Pytorch] BCELoss和BCEWithLogitsLoss(Sigmoid-BCELoss合成为一步)_HealthScience的博客-CSDN博客
回归：
均方差损失 Mean Squared Error Loss（MSE）
平均绝对误差损失 Mean Absolute Error Loss（MAE）
MAE 与 MSE 的区别：MAE 和 MSE 作为损失函数的主要区别是：MSE 损失相比于 MAE 通常可以更快的收敛，但 MAE 损失对于异常值更加健壮，即更加不易受到异常值影响。文章来源：https://www.toymoban.com/news/detail-607068.html
L1损失（MAE）、L2损失（MSE）_HealthScience的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-607068.html
到了这里，关于分类、回归常用损失函数的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[学习笔记] [机器学习] 10. 支持向量机 SVM（SVM 算法原理、SVM API介绍、SVM 损失函数、SVM 回归、手写数字识别）](https://imgs.yssmx.com/Uploads/2024/02/487779-1.png)
