上面三個圖的函式依次為 f1(x) , f2(x) , f3(x) 。我們是想用這三個函式分別來擬合price，price的真實值記為 y。
我們給定x，這三個函式都會輸出乙個f(x)，這個輸出的f(x)與真實值y可能是相同的，也可能是不同的，為了表示我們擬合的好壞，我們就用乙個函式來度量擬合的程度。這個函式就稱為損失函式(loss function)，或者叫代價函式(cost function)。
損失函式越小，就代表模型擬合的越好。那是不是我們的目標就只是讓loss function越小越好呢？還不是。這個時候還有乙個概念叫風險函式(risk function)。風險函式是損失函式的期望，這是由於我們輸入輸出的(x,y)遵循乙個聯合分布，但是這個聯合分布是未知的，所以無法計算。但是我們是有歷史資料的，就是我們的訓練集，f
損失函式 代價函式 目標函式的區別
來自 損失函式，代價函式，目標函式區別 損失函式 定義在單個樣本上，乙個樣本的誤差。代價函式 定義在整個訓練集上，所有樣本的誤差，也就是損失函式的平均。目標函式 最終優化的函式。等於經驗風險 結構風險 cost function 正則化項 目標函式和代價函式的區別還有一種通俗的區別 目標函式最大化或...
損失函式，代價函式，目標函式
首先給出結論 損失函式和代價函式是同乙個東西，目標函式是乙個與他們相關但更廣的概念，對於目標函式來說在有約束條件下的最小化就是損失函式 loss function 上面三個圖的函式依次為 我們給定度量擬合的程度，比如 越小，就代表模型擬合的越好。那是不是我們的目標就只是讓loss function越...
損失函式 代價函式與目標函式
損失函式 loss function 是定義在單個樣本上的，用來評價模型的 值和真實值不一樣的程度，指乙個樣本的誤差。代價函式 cost function 定義在整個訓練集上的，是指所有樣本誤差的平均，也就是所有損失函式值的平均。目標函式 object function 指最終需要優化的函式，一般來...