来自:https://liufuyang.com/2015/09/28/data-science-and-machine-learning-essentials-module1-classification/

损失函数, 成本函数, 目标函数 的区别

机器学习中经常会碰到“损失函数”,“成本函数”, 和“目标函数”。许多初学者会被这些概念搞晕。事实上,“损失函数”和“成本函数”在很多地方都会混用(甚至有人叫它们“错误函数”)。但是也有细微的差别。

差别1:

“损失函数”比“成本函数”更加宽泛。“损失函数”可以是一个点上的损失,也可以是整个数据集上的损失。而,“成本函数”一般是数据集上总的成本和损失。

差别2:

“成本函数”比“损失函数”更加复杂。“成本函数”可以比损失函数有更复杂的组合和计算,“成本函数”可以加上正则化项。如下:

main-qimg-9acde3375df62fd83f1d0363c14320a6

另外,值得明确的是,“目标函数”是一个非常广泛的名称。一般我们都是先确定一个“目标函数”,再去优化它。选择“目标函数”是构造“成本函数”和“损失函数”的前提。“目标函数”可以是:

– 最大化后验概率MAP(比如朴素贝叶斯)
– 最大化适应函数(遗传算法)
– 最大化回报/值函数(增强学习)
– 最大化信息增益/减小子节点纯度(CART 决策树分类器)
– 最小化平方差错误成本(或损失)函数(CART,决策树回归,线性回归,线性适应神经元)
– 最大化log-相似度或者最小化信息熵损失(或者成本)函数
– 最小化hinge损失函数(支持向量机SVM)

 

参考文献:

  1. https://www.quora.com/What-is-the-difference-between-a-*cost-function*-and-a-*loss-function*-in-machine-learning
  2. http://stats.stackexchange.com/questions/179026/objective-function-cost-function-loss-function-are-they-the-same-thing

发布者

David 9

邮箱:yanchao727@gmail.com 微信: david9ml

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注