Loss Function

释义 Definition

loss function（损失函数）：在机器学习、统计建模与优化中，用来衡量模型预测与真实目标之间差距的函数。训练模型时通常通过最小化损失函数来改进参数。（也常被称为 objective function / cost function，但在不同领域细微侧重可能不同。）

发音 Pronunciation (IPA)

/lɔːs ˈfʌŋkʃən/

例句 Examples

The model’s loss function decreased after training.
训练后，模型的损失函数值下降了。

To prevent overfitting, we chose a loss function that balances prediction error and regularization.
为防止过拟合，我们选择了一个能在预测误差与正则化之间取得平衡的损失函数。

词源 Etymology

loss 源自古英语，表示“失去、损失”；function 源自拉丁语 functio，意为“执行、作用”。合在一起，loss function字面意思是“用于衡量损失的函数”，在现代机器学习语境中专指把“预测偏差”量化成可优化的数学表达式。

相关词 Related Words

• Objective
• Cost
• Error
• Optimization
• Gradient
• Regularization
• Cross-Entropy
• Mean-Squared-Error

文献与作品 Literary / Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）中系统讨论了多种损失函数（如交叉熵、最大似然相关目标）。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）中以概率建模视角说明损失函数与似然、风险最小化的关系。
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）中在分类与回归章节中频繁使用并解释“loss function / loss”。