指标函数（Metrics Function）和损失函数（Loss Function）的区别是什么？
3,290 views
指标（metrics）和损失函数（loss function）在深度学习和机器学习里面非常常见，很多时候他们的公式都似乎是一样的，在编写程序的时候，二者的区别好像也不是很大。那为什么还会有这两种不同的概念出现呢？本文将简单介绍一下二者的区别和应用。
一、简介
在深度学习或者机器学习领域中，评分函数（scoring function）主要有三个目的：
-
性能评估（Performance evaluation）：简单说就是我们的模型做得怎么样？也就是需要一个指标来比较不同的模型的效果；
-
模型优化：也就是通过什么方法可以提升模型的效果，优化模型的性能；
这两个东西既互相联系，也有一定的区别。也于我们说的这两个函数（指标函数与损失函数）之间有很大的关系。而我们上面所述的两个函数也就是评分函数下两个类别。
二、性能评估（Performance evaluation）
一个性能指标告诉我们，我们的模型做得如何。性能评估的目标是让一个人（你、我、不管是谁）读到这个分数并掌握一些关于我们模型的信息。
衡量标准应该设计得对人有意义，并有效地传达信息。
这里的指标函数就是用来描述模型性能的东西。例如，均方根误差（Mean squared error，MSE）就是一个非常有名的指标函数（metrics），通过这个指标，我们可以清楚看到我们预测的结果与实际值之间的偏差。因此，指标函数（metrics）就是用来度量模型性能的函数。
