1.一种输出装置，其特征在于，具有：
输出部，其输出机器学习装置中使用的多个评价函数、每一个评价函数的机器学习结果，其中，所述机器学习装置对控制伺服电动机的伺服控制装置的结构要素的参数进行机器学习，所述伺服电动机用于驱动机床、机器人或工业机械的轴；以及
信息取得部，其从所述伺服控制装置和所述机器学习装置中的至少一方，取得所述机器学习结果。
2.根据权利要求1所述的输出装置，其特征在于，
所述输出部包含：显示部，其在显示画面显示所述多个评价函数、对每个评价函数取得的所述机器学习结果。
3.根据权利要求1或2所述的输出装置，其特征在于，
所述输出装置具有：信息输出部，其向所述伺服控制装置输出从使用所述多个评价函数进行了机器学习的多个参数中根据所述多个评价函数的每一个评价函数的机器学习结果而选择出的参数。
4.根据权利要求1～3中任一项所述的输出装置，其特征在于，
所述输出装置具有：信息输出部，其向所述机器学习装置输出针对从所述多个评价函数中选择出的评价函数或与所述多个评价函数不同的评价函数的变更指示。
5.根据权利要求1～4中任一项所述的输出装置，其特征在于，
所述机器学习结果是所述伺服控制装置中的控制指令与根据该控制指令驱动所述伺服电动机时的反馈信息之间的偏差。
6.根据权利要求4或5所述的输出装置，其特征在于，
所述机器学习装置保存使用评价函数进行机器学习时搜索出的所述伺服控制装置的结构要素的参数、以及使用该参数使所述伺服控制装置动作而获得的机器学习结果，在根据所述变更指示变更所述评价函数来进行机器学习时，当选择了与所述参数相同的参数时，使用所保存的所述机器学习结果，通过变更后的评价函数求出评价函数值。
7.根据权利要求4～6中任一项所述的输出装置，其特征在于，
所述不同的评价函数是与所述多个评价函数中的任一个加权系数不同的评价函数。
8.根据权利要求1～7中任一项所述的输出装置，其特征在于，
所述多个评价函数包括由对如下函数分别进行了加权而得的和构成的评价函数：将位置偏差作为变量的函数、将位置偏差的微分值作为变量的函数、将转矩的微分值作为变量的函数。
9.根据权利要求3～8中任一项所述的输出装置，其特征在于，
所述伺服控制装置的结构要素的参数包括数学公式模型或滤波器的参数。
10.根据权利要求9所述的输出装置，其特征在于，
所述数学公式模型或所述滤波器包含在速度前馈处理部或位置前馈处理部中，所述参数包含滤波器的传递函数的系数。
11.一种控制装置，其特征在于，具有：
权利要求1～10中任一项所述的输出装置；
伺服控制装置，其对用于驱动机床、机器人或工业机械的轴的伺服电动机进行控制；以及
机器学习装置，其对伺服控制装置进行机器学习。
12.根据权利要求11所述的控制装置，其特征在于，
所述输出装置包含在所述伺服控制装置与所述机器学习装置中的一个装置中。
13.一种输出装置的评价函数和机器学习结果的输出方法，其特征在于，
输出在机器学习装置中分别使用多个评价函数进行机器学习而获得的、每一个评价函数的机器学习结果，其中，所述机器学习装置使用评价函数对控制伺服电动机的伺服控制装置进行机器学习，所述伺服电动机用于驱动机床、机器人或工业机械的轴，
从所述机器学习装置和所述伺服控制装置中的至少一个取得所述机器学习结果。