답변:
이들은 매우 엄격한 용어가 아니며 관련성이 높습니다. 하나:
간단히 말해서, 나는 말할 것입니다 :
손실 함수 는 목적 함수 의 한 유형 인 비용 함수 의 일부입니다 .
Andrew Ng 교수 에 따르면 (11 페이지의 슬라이드 참조)
함수 h (X)는 가설을 나타냅니다. 고정 피팅 매개 변수 theta의 경우 기능 X의 기능입니다.이 기능을 Objective Function이라고도합니다.
비용 함수 J는 피팅 매개 변수 theta의 함수입니다. J = J (θ).
Hastie et al.의 교과서 "통계학의 요소"에 따르면 , p.37 :
"입력 X의 Y 주어진 값을 예측하기위한 함수 f (X)를 찾고 있습니다." [...] 손실 함수 L (Y, f (X))는 "예측에서 오류를 처벌하는 함수"입니다.
따라서 "손실 함수"는 "비용 함수"보다 약간 더 일반적인 용어 인 것 같습니다. 해당 PDF에서 "손실"을 찾으려면 "비용 함수"와 "손실 기능"을 다소 동의어로 사용한다고 생각합니다.
실제로, p. 502
"클러스터링의 상황은 예측 문제 (감독 학습)에서 손실 또는 비용 함수의 사양과 다소 유사합니다."
이러한 용어는 다른 학계에서 독립적으로 진화했기 때문에 존재할 수 있습니다. "목적 기능"은 운영 연구 및 공학 수학에서 사용되는 오래된 용어입니다. 통계 학자들 사이에서 "손실 기능"이 더 많이 사용될 수 있습니다. 그러나 나는 여기서 추측하고 있습니다.
"심층 학습"섹션 4.3-Ian Goodfellow, Yoshua Bengio, Aaron Courville http://www.deeplearningbook.org/
"최소화 또는 최대화하려는 기능을 목적 함수 또는 기준이라고합니다. 최소화 할 때 비용 함수, 손실 함수 또는 오류 함수라고도합니다.이 책에서는 이러한 용어를 서로 바꿔서 사용합니다. "일부 기계 학습 출판물은 이러한 용어 중 일부에 특별한 의미를 부여합니다."
이 책에서 최소한 손실과 비용은 같습니다.
비용 및 손실 기능이라는 용어는 동의어이며 일부 사람들은이를 오류 기능이라고도합니다. 보다 일반적인 시나리오는 최적화하려는 목적 함수를 먼저 정의하는 것입니다. 이 목적 함수는
손실 함수는 단일 트레이닝 예제의 오류를 계산하는 반면 비용 함수는 전체 트레이닝 세트의 손실 함수의 평균입니다.