请解释损失函数的定义，并说明它在机器学习模型训练过程中承担哪些功能？

回答思路

1. 【回答框架 1】损失函数用于量化模型预测值与真实值之间的不一致程度，数值越小表示模型拟合越好。
2. 【回答框架 2】在训练中，损失函数为优化算法提供目标，通过梯度下降等方法更新模型参数以最小化损失。
3. 【回答框架 3】损失函数的选择影响模型学习方向，如回归常用均方误差，分类常用交叉熵。
4. 【回答框架 4】损失函数还能帮助评估模型性能，并可作为正则化项平衡复杂度与拟合度。
5. 【关键点 1】损失函数度量预测与真实的差距。
6. 【关键点 2】它是优化算法的目标函数。
7. 【关键点 3】不同类型任务选用不同损失函数。
8. 【关键点 4】损失值越小，模型性能越好（在训练集上）。
9. 【易错点 1】不能将损失函数最小化等同于模型泛化能力好，需防过拟合。
10. 【易错点 2】不恰当选择损失函数可能导致训练不收敛或性能差。