损失函数的符号
时间：2026-11-09 18:24:04来源：
在机器学习中，损失函数用于衡量模型预测值与真实值之间的差异。不同的损失函数使用不同的符号表示，以下为常见损失函数及其符号总结：
| 损失函数名称 | 符号表示 | 用途说明 | ||
| 均方误差 | $ L = frac{1}{n} sum (y - hat{y})^2 $ | 回归问题常用 | ||
| 平均绝对误差 | $ L = frac{1}{n} sum | y - hat{y} | $ | 对异常值不敏感 |
| 交叉熵损失 | $ L = -sum y log(hat{y}) $ | 分类问题常用 | ||
| 对数损失 | $ L = -sum [y log(hat{y}) + (1 - y) log(1 - hat{y})] $ | 二分类问题常用 |
不同场景选择合适的损失函数有助于提升模型性能。理解其符号意义有助于更好地应用和调试模型。
