การ สูญ เสีย งาน เป็น ส่วน ประกอบ สําคัญ ใน ตัวจําลอง การ เรียน รู้ ของ เครื่อง โดย ชี้ นํา กระบวนการ ฝึก อบรม โดย การ แยก ความ แตก ต่าง ระหว่าง ผล ที่ ออก มา กับ เป้า หมาย จริง ๆ การ ออก แบบ ฟังก์ชัน การ สูญ เสีย ที่ เหมาะ สม สําหรับ โปรแกรม บาง ชนิด สามารถ ปรับ ปรุง ประสิทธิภาพ และ ความ สัมพันธ์ ที่ ดี ขึ้น บทความ นี้ จะ ช่วย ให้ เห็น ภาพ คร่าว ๆ ว่า จะ สร้าง และ เลือก ทํา งาน ที่ ได้ รับ การ ปรับ ปรุง ให้ เข้า กับ งาน ที่ ต่าง ๆ ได้ อย่าง ไร โดย มี ตัว อย่าง ที่ ใช้ ได้ จริง
การ เข้าใจ ความ สูญ เสีย
ฟังก์ชันสูญเสียค่า วัดค่าผิดพลาดของค่าการคาดการณ์ของโมเดล ฟังก์ชันทั่วไปนี้รวมไปถึงข้อผิดพลาดที่จะเกิดกับค่าถดถอยของค่าความถดถอย และค่าสถิติการเสียค่าแบบแบบข้ามขั้นของค่า
การออกแบบการสูญเสียเอง
การ เสีย ความ รู้ ไป แล้ว อาจ ถูก สร้าง ขึ้น เพื่อ เน้น ถึง แง่ มุม เฉพาะ ของ ปัญหา เช่น การ ลง โทษ ความ ผิด พลาด บาง อย่าง ที่ ร้าย แรง กว่า หรือ ไม่ รวม เอา ความ รู้ ใน เรื่อง โดเมน เข้า ไว้ ด้วย.
- ยกระดับงาน
- คุณสมบัติของคณิตศาสตร์ เช่น ความหาอนุพันธ์ได้
- ประสิทธิภาพการซ้อนภาพ
- สมดุลระหว่างอคติกับความแปรปรวน
ตัวอย่างของการทํางานสูญเสียโปรแกรม
ด้านล่างนี้มีตัวอย่างฟังก์ชันการสูญเสียที่เข้ากับโปรแกรมต่าง ๆ:
1. ภาพที่แยกเป็นแนว ๆ
การ แบ่ง ประเภท แบบ ต่าง ๆ มัก จะ ใช้ ใน งาน แบ่ง แยก ภาพ เพื่อ จัด การ กับ ความ ไม่ สมดุล ใน ชั้น โดย วัด ความ เกี่ยว พัน ระหว่าง หน้ากาก ที่ คาด การณ์ ไว้ กับ หน้ากาก แท้.
2. ระบบแนะนํา
Bayesian perfish Ring (BPR) แพ้คะแนนคุณภาพการจัดอันดับ โดยเน้นการเรียงรายการของต่างๆ ที่สัมพันธ์กัน แทนที่จะเป็นความแม่นยําของคําทํานายที่แน่นอน
รูปแบบการวน
การ ปรับ เปลี่ยน วิธี การ ใช้ งาน ให้ เหมาะ กับ โปรแกรม บาง อย่าง เกี่ยว ข้อง กับ การ เข้าใจ ข้อ เรียก ร้อง ของ ปัญหา และ การ เลือก หรือ การ สร้าง หน้า ที่ ที่ ได้ รับ การ ชี้ นํา จาก การ ฝึก อบรม.