機器學習中的損失函數分析與比較

損失函數（loss function）是用來估量你模型的預測值f(x)與真實值Y的不一致程度，它是一個非負實值函數,通常使用L(Y, f(x))來表示，損失函數越小，模型的魯棒性就越好。損失函數是經驗風險函數的核心部分，也是結構風險函數重要組成部分。模型的結構風險函數包括了經驗風險項和正則項，通常可以表示成如下式子： 其中，前面的均值函數表示的是經驗風險函數，L代表的是損失函數，後面的Φ是正則化項

>>阅读原文<<