首先,loss function、error function是一回事,说得是同一个东西,中文中称之为 “损失函数”。
下面以线性模型的Logistic Regression回归为例说一下loss function、error function、cost function三者的关系:
通常情况下,损失函数的定义是酱紫的:
但是这种定义方式不推荐,因为会引起损失函数“非凸”,从而在优化的时候导致局部最优解的问题,建议使用下面的损失函数表达式:
以上就是损失函数的定义,也就是loss/error function的定义,再次强调一下:loss function、error function是一回事,说得是同一个东西,只不过用了两个不同的名字而已。
下面再来看一下成本函数,也就是cost function。
上面的Loss(error) function是针对单个训练样本定义出来的,它衡量了在单个训练样本上的表现,而成本函数(Cost funtion)是在全体的训练样本上的表现,它的表达式如下图所示:
如果将之前的Loss(error)函数代入进去就会得到下面的等式:
综上所述,成本函数的计算表达式是保持不变的,变的是其中的损失函数的表达式,但是最终的目的都是相同的——让J(ω, b)的取值最小,也就是损失降到最低。