目標函數 是什麼？
Objective Function — 目標函數 的完整解釋
目標函數是機器學習模型訓練中用於評估模型表現的函數，其數值代表模型預測與實際值的差距，優化目標是最小化或最大化此函數。
容易混淆
目標函數 vs 損失函數 目標函數：整體要優化的東西 損失函數：衡量單筆或一批樣本誤差的量 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
目標函數 vs 評估指標 目標函數：訓練時拿來更新參數 評估指標：訓練後拿來看表現 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
訓練要追的總分，就是目標函數。
實際案例
分類模型 把交叉熵設成目標函數，模型就會想把錯分類降到最低。
推薦排序 把點擊或排序品質寫進目標函數，模型就會朝業務想要的方向學。
算法與應用
目標函數可以是最小化形式，也可以是最大化形式。 很多時候它會由多個損失項組成，再加上正則化項。 設計得好，模型學到的方向就對；設計錯，模型可能只是努力追錯目標。
情境判斷
Q1（直覺題）：你把交叉熵放進訓練流程，模型在優化什麼？ → 目標函數，也就是訓練時真正要追的分數。
Q2（判斷題）：訓練時損失一直下降，但線上業務指標沒變好，問題可能在哪？ → 目標函數和真正業務目標沒對齊。
相關術語
常見問題
目標函數和損失函數有什麼差別？
目標函數更廣，損失函數通常是其中一部分。
它一定要是單一數值嗎？
訓練時通常要能轉成單一可優化目標。
怎麼知道設得好不好？
看它是否和真正任務、業務、或評估指標對齊。