وظائف الخسارة هي عناصر أساسية في نماذج التعلم الخاضعة للإشراف، فهي تقيس الفرق بين النواتج المتوقعة والعلامات الفعلية، توجيه عملية التدريب، اختيار وظيفة الخسارة الصحيحة يمكن أن يؤثر تأثيراً كبيراً على أداء النموذج وتقاربه.

مبادئ تصميم الوظائف المفقودة

وينبغي مواءمة مهام الخسارة الفعالة مع المشكلة المحددة والنتائج المنشودة، وينبغي أن تكون مختلفة من أجل تمكين الخوارزميات المثلى مثل النسب المتدرج، إضافة إلى أن تكون قوية للمتفوقين وتوفر مستويات ذات مغزى من التدريب.

الأنواع المشتركة من الوظائف المنهوبة

  • Mean Squared Error (MSE): ] Used for regression tasks, penalizes larger errors more heavily.
  • Cros-Entropy Loss:] Common in classification problems, measures the difference between probability distributions.
  • Hinge Loss:] Used in support vector machines, encourages correct classification with a margin.
  • Huber Loss:] Combines MSE and MAE, robust to outliers in regression tasks.

طلبات الوظائف المفقودة

وتطبق مهام الخسارة على مختلف مهام التعلم الخاضعة للإشراف، ففي تصنيف الصور، تكون الخسائر في الممتلكات العامة معيارية، وبالنسبة لمشاكل التراجع مثل التنبؤ بأسعار المنازل، كثيرا ما تستخدم وزارة الصحة والسلامة، ويمكن تصميم مهام الخسارة في الذكاء لتطبيقات متخصصة، مثل تحقيق التوازن بين الأهداف المتعددة أو معالجة البيانات غير المتوازنة.