機能とコスト関数の喪失：現在の理解は、機能の喪失は、コスト関数であり、最適なソリューションを見つけるために、機能の喪失に基づいて勾配降下を行っていることです。
損失関数：ターゲット・モデルに応じて、リターン損失関数、ロジスティック回帰分類損失に分割されます。
MSE損失関数：特徴間の図の尺度距離、特徴抽出対象は、一貫した推論図です。平均二乗誤差（平均二乗誤差）。MAEは、それが思考のこのタイプで、絶対誤差を意味し、機能の喪失によって異なります。
クロスエントロピー損失関数：進化真の分布の所望の長さ（参照により符号化クロスエントロピーhttps://www.cnblogs.com/ljy2013/p/6432269.html）、クロスエントロピーは（クロスエントロピー誤差）は、2つの確率の尺度でありますPの分布、Q間の類似性。この機能は、変数の重要性を測定するために、動作します。だから、クロスエントロピーは、一般的な分類で使用されます。発現は、カテゴリ✖️対応する確率表現です。他のカテゴリー0-1損失関数は、このような損失関数として、クロスエントロピー関数の同時発現による修飾後は、クロスエントロピー損失です。