损失函数

                                   

               

目录：

一、0-1损失函数

二、平方损失函数（Square Loss）：主要是最小二乘法（OLS）中； 

三、绝对值损失函数

四、对数损失函数（Cross Entropy Loss，Softmax Loss ）：用于Logistic 回归与Softmax 分类中； 

五、指数损失函数（Exponential Loss） ：主要用于Adaboost 集成学习算法中； 

六、铰链损失函数（Hinge Loss）：主要用于支持向量机（SVM） 中； 

内容：

一、0-1损失函数

  可以看出，该损失函数的意义就是，当预测错误时，损失函数值为1，预测正确时，损失函数值为0。该损失函数不考虑预测值和真实值的误差程度，也就是只要预测错误，预测错误差一点和差很多是一样的。

如果你觉得这篇文章看起来稍微还有些吃力，或者想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。点击这里可以查看教程。

二、平方损失函数