Искусственный интеллект
Функция потерь
Функция потерь переводит расхождение между выходом модели и целевым сигналом в число, по которому вычисляется градиент для обучения. Выбор потери задаёт, какие ошибки считаются дорогими. Для классификации часто применяют кросс-энтропию, для регрессии — квадратичную или абсолютную ошибку.
Пример на практике
При классификации потери растут, если модель присваивает правильному классу низкую вероятность.
Когда пригодится
Подбирайте функцию под тип ответа и цену ошибок.
Что важно учитывать
Оптимизация удобной потери может не улучшать практический критерий.
Словарь tarasovcode — проект Ильи Тарасова и TarasovWeb. Telegram-канал · #tarasovweb · #ИльяТарасов
Вернуться к 400 терминам