การ ออก แบบ ความ สูญ เสีย อย่าง มี ประสิทธิภาพ สําหรับ การ เรียน รู้ ที่ ยอด เยี่ยม: หลัก การ และ การ ใช้

การสูญเสียการทํางานเป็นองค์ประกอบที่สําคัญในการควบคุมรุ่นการเรียนรู้ มันวัดความแตกต่างระหว่างผลลัพธ์ที่คาดการณ์ไว้ และการจัดอันดับจริง ๆ

หลัก การ ใน การ ออก แบบ ที่ ใช้ ได้ ผล

การ เสีย ค่า ใช้ จ่าย ควร จัด ระเบียบ กับ ปัญหา เฉพาะ และ ผล ที่ เกิด ขึ้น ตาม ที่ ต้องการ.

ฟังก์ชันสูญเสียทั่วไป

• [FLT: 0]. MEAN squared error (MSE): ใช้สําหรับงานถดถอย, การลงโทษเพิ่มความผิดพลาดที่หนักขึ้น.
• [FLT: 0] Cros-Entropy Los: ทั่วไปในโจทย์การจัดหมู่ วัดความแตกต่างระหว่างการกระจายตัวของความน่าจะเป็น (FLT:1).
• [FLT: 0] Hingee Los: ใช้ในเครื่องช่วยเหลือของเวกเตอร์ สนับสนุนการจัดหมวดหมู่ที่ถูกต้องด้วยขอบ
• [FLT: 0] Huber Los: ขัดจังหวะ MSE และ ME แข็งแกร่งกว่าในงานถดถอย

โปรแกรม ต่าง ๆ ที่ สูญ เสีย

การสูญเสียฟังก์ชันถูกนําไปใช้ในภารกิจการเรียนรู้ต่าง ๆ การจัดประเภทภาพ การสูญเสียการข้ามสายพานเป็นการมาตรฐาน สําหรับปัญหาความถดถอยเช่น การคาดการณ์ราคาบ้านนั้นมักจะถูกใช้ ฟังก์ชันการสูญเสียเองสามารถออกแบบสําหรับโปรแกรมพิเศษ เช่น การสมดุลในวัตถุประสงค์หลายประการ หรือการจัดการกับข้อมูลไม่สมดุล