性能指标和 损失函数

性能指标是衡量机器学习模型的表现的标准，通常用于评估模型在某个特定任务上的表现。常见的性能指标包括准确率、精确率、召回率、F1-score、AUC等。其中，准确率是最常用的指标之一，表示模型正确预测的样本数与总样本数之比。

损失函数则是机器学习中用来评估模型预测与实际值之间差异的函数。常见的损失函数包括均方误差（MSE）、交叉熵（Cross Entropy）等。在训练机器学习模型时，我们的目标是最小化损失函数，以使模型预测结果更加准确。