一分钟理解损失函数

说到机器学习，初学者听到最多的就是 损失函数了吧 

我对这个词也是一头雾水 好像今天一个定义明天又是一个定义 ，读了大量的文章和博客 终于有点起色 （感谢论坛各位大佬）

这里用自己的简单语言大致说下什么是损失函数 如果一个地方看不懂就换个博客看 总会有适合你的文章 万一这篇就是了呢

首先我们需要了解损失函数的定义是什么：衡量模型模型预测的好坏

可能这么说有点小小的抽象 ，那么在解释下，损失函数就是用来表现预测与实际数据的差距程度

比如你做一个线性回归，实际值和你的 预测值肯定会有误差，那么我们找到一个函数表达这个误差就是损失函数

和实际一样比如你是一个厨师大赛评委 几名厨师最后成绩由你确定 在你认为色香味都应该是100分才算冠军（这个100分就相当于实际值）

每个人都有自己的做菜方案和技巧，并且达到的效果也是不用的（这个就相当于预测值） 最后你是评委用你的一套规则判断他们多少分（你就是损失函数）

假设我们令真实值为Y  预测值为f(x) 损失函数为L（Y，f（x））他们的关系就是下图

损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y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，模型的鲁棒性就越好。

如果还是不是很清楚 可以看下论坛谋篇博客的一个小例子（我感觉挺好的）

http://blog.csdn.net/l18930738887/article/details/50615029