Các chức năng mất mát là cần thiết thành phần trong đào tạo mạng thần kinh. họ đo lường làm thế nào tốt dự đoán của mô hình phù hợp với các dữ liệu thực tế. chọn chức năng mất phù hợp là quan trọng để đạt được tối ưu hóa hiệu suất trong các công việc học tập máy tính.

Kiểu hàm mất

Các công việc khác nhau đòi hỏi các chức năng mất khác nhau.

  • Lỗi Ian Squared (MSE): ) được dùng cho các vấn đề hồi quy, nó tính toán sự khác biệt bình phương giữa các giá trị được dự đoán và thực tế.
  • Cross-Entropy Loss: dùng để phân loại nhiệm vụ, nó đo lường sự khác biệt giữa hai phân phối xác suất.
  • Hige Loss:) thường được dùng để hỗ trợ máy véc tơ phân loại.

Chọn hàm phải mất

Lựa chọn phụ thuộc vào các đặc điểm kiểu vấn đề và dữ liệu. Đối với các tác vụ hồi quy, ME hay có nghĩa là lỗi tuyệt đối (MAE) là tùy chọn điển hình. Đối với sự mất tích cấp tính, được ưu tiên. Xem xét kết xuất của mô hình và bản chất của dữ liệu khi chọn chức năng mất đi.

Tính toán mất mát

Tính toán mất mát bao gồm áp dụng các chức năng được chọn cho các dự đoán của mô hình và nhãn đúng. phần lớn máy học cơ sở cơ sở cung cấp các chức năng xây dựng trong tính toán hiệu quả. trong đào tạo, tối ưu hóa mô hình để giảm thiểu mất mát này.