loss

توضیح

یک loss function پیش‌بینی مدل و label واقعی را می‌گیرد و مقدار loss را حساب می‌کند. روش سنجش این اختلاف به نوع مسئله بستگی دارد؛ مثلاً برای پیش‌بینی عدد می‌توان مربع اختلاف را حساب کرد. فرایند آموزش، پارامترهای مدل را برای کاهش loss تنظیم می‌کند، اما کاهش آن روی داده‌های آموزشی به‌تنهایی تضمین عملکرد خوب روی داده‌های تازه نیست.

مثال

prediction = 7.0
label = 5.0
loss = (prediction - label) ** 2
print(loss)  # 4.0

چرا مهمه

هنگام آموزش مدل، با loss روند یادگیری را دنبال می‌کنی. انتخاب loss function مناسب مهم است، چون مشخص می‌کند مدل برای کاهش چه نوع خطایی تلاش کند.

مفهوم‌های مرتبط

• metrics
• Algorithm
• convolutional neural networks