什么是损失函数
损失函数（Loss Function）是机器学习和深度学习中的核心概念，量化了模型预测值与真实标签之间的不一致程度，为模型优化提供了明确的优化方向——训练过程就是最小化损失函数的过程。
常见损失函数
### 回归任务
- ·均方误差（MSE）：
MSE = (1/n)Σ(y - ŷ)²，对较大误差给予更高惩罚 - ·平均绝对误差（MAE）：
MAE = (1/n)Σ|y - ŷ|，对异常值更鲁棒 - ·Huber Loss：综合 MSE 和 MAE 的优点
### 分类任务
- ·交叉熵损失（Cross-Entropy Loss）：分类任务最常用的损失函数，与 Softmax 配合使用
- ·铰链损失（Hinge Loss）：支持向量机（SVM）使用的损失函数
选择原则
损失函数的选择取决于任务类型（回归/分类/生成）、数据特点（是否含异常值）、输出层设计等因素。在深度学习实践中，交叉熵损失和均方误差是最常用的两个基础损失函数。