简单易懂的讲解深度学习（入门系列之九）

常见的损失函数一般来说，我们在进行机器学习任务时，使用的每一个算法都有一个目标函数，算法便是对这个目标函数进行优化，特别是在分类或者回归任务中，便是使用损失函数（Loss Function）作为其目标函数，又称为代价函数(Cost Function)。 损失函数是用来评价模型的预测值与真实值的不一致程度，它是一个非负实值函数。通常使用 L(Y,f(x)) 来表示，损失函数越小，模型的性能就越好。    设总有N个样本的样本集为（X，Y）=（xi,yi），i∈[1，N]为样本i的真实值，yi = f(xi), i∈[1，N]为样本i的预测值，f为分类或者回归函数。那么总的损失函数为：(X,Y)=(xi,yi)L = ∑ℓ(yi,yi^)有以下常见的损失函数几种：Zero-one Loss Zero-one Loss：即0-1损失，它是一种较为简单的损失函数， ………………………………