深入理解機器學習中的：目標函數，損失函數和代價函數

目標函數，損失函數和代價函數 基本概念： 損失函數：計算的是一個樣本的誤差 代價函數：是整個訓練集上所有樣本誤差的平均 目標函數：代價函數 + 正則化項 通常機器學習每一個算法中都會有一個目標函數，算法的求解過程是通過對這個目標函數優化的過程。在分類或者回歸問題中，通常使用損失函數（代價函數）作爲其目標函數。損失函數用來評價模型的預測值和真實值不一樣的程度，損失函數越好，通常模型的性能越好。不同的

>>阅读原文<<