损失函数（Loss Function）
机器学习模型关于单个样本的预测值与真实值的差称为损失。损失越小，模型越好，如果预测值与真实值相等，就是没有损失。用于计算损失的函数称为损失函数。模型每一次预测的好坏用损失函数来度量。
损失函数特点
- 恒非负
- 误差越小函数值越小
- 收敛快
常见的损失函数（计算）
https://blog.csdn.net/jieming2002/article/details/79226192
1. 0-1损失函数
二类分类任务中，预测值与真实值不同，就是预测错误，则损失是1；
预测值与真实值相等，就是预测正确，损失是 0，就是没有损失。
2. 平方损失函数
预测值与真实值的差的平方。预测误差越大，损失越大。好理解吧。
3. 绝对损失函数
预测值与真实值的差的绝对值。绝对值不方便计算，一般不常用。
4. 对数损失函数
对于预测值是概率的情况，取对数损失。因为概率范围[0, 1] 所以对数值是(-∞, 0) ，为了让损失 > 0 所以取对数的负值。上面的公式里面有个负号。看图像，一目了然哈哈：
https://zhuanlan.zhihu.com/p/258350972
查阅网络知识书写，侵权、有误请指出。
https://blog.csdn.net/jieming2002/article/details/79226192
标签：真实,函数,什么,损失,https,对数,预测值 来源： https://www.cnblogs.com/HOI-Yzy/p/16299761.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。