损失函数（Loss Function）是机器学习中用来评估模型预测结果与真实值之间差异的函数。它是一个关键的概念，因为损失函数决定了模型在训练过程中如何优化其参数。
以下是损失函数的一些基本特点：
1. 评估差异：损失函数计算模型预测值与真实值之间的差异，通常是一个非负值。
2. 引导优化：损失函数的值会指导模型参数的优化过程，即通过梯度下降等方法，使损失函数的值最小化。
3. 多样性：根据不同的应用场景和问题，有不同的损失函数，例如均方误差（MSE）、交叉熵损失（Cross-Entropy Loss）等。
以下是几种常见的损失函数：
均方误差（MSE）：用于回归问题，计算预测值与真实值之间差的平方的平均值。
[ MSE = frac{1
