损失函数的作用 — 计算机选择题
题目
某团队训练神经网络拟合训练集，观察到两种训练策略：策略甲持续迭代直至训练集上的损失几乎为零；策略乙在训练损失降到较低值后即停止。测试发现策略乙对新样本的预测误差更小。关于损失函数的作用，下列判断正确的是
A. 策略甲必然更好，因为损失函数衡量的就是模型好坏，损失越小模型越优
B. 损失函数量化的是预测与真值的差距，训练即最小化损失，但训练集损失极小可能意味着过拟合，泛化未必更好，故策略乙更合理
C. 损失函数量化的是模型参数的数量，与预测结果无关
D. 损失函数一旦选定就不能再衡量训练之外的样本表现