AI 科普达人 New Machina 这次介绍的是神经网络、机器学习中一个非常重要的概念 “损失函数（Loss Function）”。

简单来说，损失函数就是用来衡量神经网络预测结果和真实答案之间差距的一个工具。可以把它看作是模型的 “打分器”。也就是说，神经网络每做一次预测，损失函数就告诉它，离目标还差多远，哪里做得不够好。

损失函数为什么重要？它几乎决定了神经网络能不能学到东西。如果没有损失函数，模型根本没法知道自己做错了什么，也就没法改进。损失函数的数值越小，说明模型的预测越接近真实答案（Ground Truth）。训练神经网络的时候，优化器会根据损失函数的反馈，自动调整网络里那些复杂的参数，努力让损失值变低。就像玩游戏打 boss，每次失败了，系统都会告诉你哪里扣了血，你就会想办法避开那些坑。

不同的任务用的损失函数也不一样。比如回归任务（预测气温、预测房价这些连续数值），常见的损失函数有均方误差（MSE），它会把预测值和真实值之间的距离平方后求平均，这样错误会被放大。还有平均绝对误差（MAE），它只看两者之间的绝对差值，对极端离谱的预测没那么敏感。

还有分类任务（比如识别猫狗、判断图片里是数字几）一般用交叉熵损失，这种损失函数会鼓励模型为正确的类别分配更高概率，分错了惩罚会很重。简单说，就是让模型在“选答案”的时候更自信也更准确。

为什么要选对损失函数？选错了可能会让模型学不到要点，甚至南辕北辙。比如用回归损失去做分类，或者反过来，训练出来的模型就没法用了。所以，选择合适的损失函数，其实是在帮你的模型找一个最适合它成长的环境。

#AI技术[超话]##损失函数##AI科普##AI创造营# http://t.cn/AXA3gBJN