以下是用于可视化机器学习模型损失函数的 Python 代码示例，包含训练过程中的损失曲线绘制：

import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 生成模拟数据
X = np.linspace(0, 10, 100).reshape(-1, 1)
y = 2 * X + np.random.normal(0, 1, X.shape)

# 定义模型
model = LinearRegression()
model.fit(X, y)

# 计算损失
loss = mean_squared_error(y, model.predict(X))

# 可视化结果
plt.figure(figsize=(8, 5))
plt.plot(X, y, 'b+', label='真实数据')
plt.plot(X, model.predict(X), 'r', label='拟合曲线')
plt.title('损失函数可视化：均方误差 = %.2f' % loss)
plt.xlabel('特征值')
plt.ylabel('目标值')
plt.legend()
plt.grid(True)
plt.show()

📊 关键步骤说明：

  1. 使用 matplotlib 绘制数据点与拟合曲线
  2. 通过 mean_squared_error 计算损失值
  3. 支持扩展阅读：深度学习专题页面 可了解更多优化算法原理

损失函数曲线图

图示：线性回归模型的损失函数变化趋势

📌 注意事项：

  • 本代码演示了基础的损失可视化方法
  • 实际应用中可替换为其他损失函数（如交叉熵、 hinge 等）
  • 推荐配合 损失函数类型对比 文档使用