🔑 名詞卡
損失函數（Loss Function）
🎯 定義
一種用來衡量模型預測值與實際目標之間差異的函數。損失值越高，表示模型預測結果與實際值的誤差越大，反之則表示模型越準確。可視為評估模型好壞的指標。
常見損失函數
| 損失函數 | 適用任務 | 公式 |
|---|---|---|
| 均方誤差（MSE） | 迴歸任務 | \(MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2\) |
| 交叉熵損失（Cross-Entropy Loss） | 分類任務 | 衡量預測概率分佈與真實分佈之間的差異 |
記憶技巧
MSE（均方誤差）→ 迴歸；交叉熵 → 分類。考題常故意互換兩者對應的任務類型來誤導。
易混淆
- vs 梯度下降：損失函數是衡量誤差的指標；梯度下降是利用損失函數的梯度來最小化損失的優化方法，兩者搭配使用。
📖 課文原文「損失函數（Loss Function）是一種用來衡量模型預測值與實際目標之間差異的函數……損失值越高，表示模型預測結果與實際值的誤差越大，反之則表示模型越準確。」