机器学习中的目标函数,损失函数,代价函数有什么区别

发布网友发布时间：2022-04-27 03:05

共2个回答

热心网友时间：2022-06-25 05:38

y是机器学习的目标，我们用数学的方法构建了一个现实的模型f(x,w)，用它来表示x与y之间的关系（当然这个关系的好坏，与模型的选择关系密切），F(x)=f(x,w)就是我们一般所说的目标函数。模型定好了，我们要做的是对w进行优化调准，使得f(x,w)对于x与y之间的关系描述更准确。当然完全一致，在现实的复杂问题中是不太可能的，所以就有了误差一说。我们将实际误差用一个函数表示就是“损失函数”L(y,f(x,w))，现实中这个损失函数也是不能完全准确表示的，然而我们又要用这个损失函数来量化误差，从而指导w的优化调准，于是就退而求其次，找到一些近似的替代方案，比如均方误差等，我们用它们来评估模型的好坏，并指导训练的迭代，这便是代价函数Cost(y,f(x,w))。损失函数与代价函数的主要区别就是一个是真实的理想，另一个是现实的缺憾。

热心网友时间：2022-06-25 05:39

有什么区别