代价函数和损失函数在机器学习中起到了相同的作用，即衡量模型的预测结果与实际标签之间的差异。 它们的区别在于使用的场景不同。 代价函数用于训练过程中，通过计算模型预测结果与实际标签之间的差异，指导模型参数的更新和优化。 而损失函数则用于评估训练后模型的性能，衡量模型预测结果与实际标签之间的差异的程度。 在实际应用中，代价函数和损失函数通常是相似或相同的，如均方差误差和交叉熵误差等。