Ошибка рассчитывается как разница, которая существует между фактическим выходным значением y и тем значением, которое лишь прогнозируется. В итоге функция, которая используется непосредственно для вычисления представленной ошибки, уже и известна как та самая функция потерь. Аналогичное название имеет функция ошибки или затрат.
Существует несколько разных видов и вариантов функции потерь. Подробнее с ними можно ознакомиться на портале, где представлена ясная публикация. При этом, она написана логичным и понятным языком. Не составляет никакой сложности разобраться с задачей даже новичку, который не имеет ни опыта ни понимания в данном вопросе.
Заметьте, что логистическая функция потерь имеет следующие важные подвиды и разновидности:
1. Средняя квадратичная ошибка – наиболее распространенная и популярная функция потерь. Она зачастую используется в общей линейки регрессии в показателях, где заявлена высокая эффективность. Для того, чтобы произвести расчет средней квадратичной ошибки, потребуется взять разницу, которая существует между предсказанными и истинными значениями. Далее полученное значение необходимо возвести в квадрат, который требуется усреднить по имеющемуся единому набору значений и знаний.
2. Логарифмитическая функция потерь – необходима для измерения расхождений, которые существуют между двумя вероятностными распределениями. Разница между ними может быть велика в том случае, если кросс-энтропия достаточно мала.
Более подробно можно остановиться на основных шагах и видах машинных задач, которые существуют для определения функции потерь.
Во-первых, это задача регрессии, когда вы прогнозируете самостоятельно вещественное число. Вторая задача является задачей сложной бинарной классификации. И третья задача – это сложная задача мульти-классовой классификации.
Более подробное изучение функции потерь поможет начать понимать, что означает тот или иной бинарный код, как он классифицируется и определяется в целом.
