| (같은 사용자의 중간 판 4개는 보이지 않습니다) | |||
| 1번째 줄: | 1번째 줄: | ||
{{다른뜻|손실(損失)|손실}} | |||
{{다른뜻|손실 (머신러닝)}} | |||
==개요== | ==개요== | ||
;loss, cost | ;loss, cost | ||
| 11번째 줄: | 13번째 줄: | ||
* 예를 들어 선형 회귀 모형은 일반적으로 [[평균 제곱 오차]]를, 로지스틱 회귀 모형은 [[로그 손실]]을 손실 함수로 사용한다. | * 예를 들어 선형 회귀 모형은 일반적으로 [[평균 제곱 오차]]를, 로지스틱 회귀 모형은 [[로그 손실]]을 손실 함수로 사용한다. | ||
[[파일:LossSideBySide.png]] | [[파일:LossSideBySide.png|800px]] | ||
:→ 왼쪽 모델은 손실이 크고 오른쪽 모델은 손실이 작다. | |||
==같이 보기== | ==같이 보기== | ||
| 24번째 줄: | 27번째 줄: | ||
* [[로그 손실]] | * [[로그 손실]] | ||
* [[평균 제곱 오차]] | * [[평균 제곱 오차]] | ||
* [[손실을 줄이는 방법 (머신러닝)]] | |||
}} | }} | ||
| 30번째 줄: | 34번째 줄: | ||
[[분류: 머신러닝]] | [[분류: 머신러닝]] | ||
[[분류: 손실 함수]] | |||
[[분류: 2음절 한자어 명사]] | [[분류: 2음절 한자어 명사]] | ||
[[분류: 損]][[분류: 失]] | |||
2021년 5월 27일 (목) 11:01 기준 최신판
1 개요[ | ]
- loss, cost
- 손실, 비용
- 잘못된 예측에 대한 벌점
- 한 가지 예에서 모델의 예측이 얼마나 잘못되었는지를 나타내는 수
- 모델의 예측이 레이블과 얼마나 차이가 나는지를 측정한 것
- 모델이 얼마나 부정확한지를 나타낸다.
- 이 값을 판단하려면 모델에서 손실 함수를 정의해야 한다.
- 모델의 예측이 완벽하면 손실은 0이고 그렇지 않으면 손실은 그보다 커진다.
- 모델 학습의 목표는 모든 예에서 평균적으로 작은 손실을 갖는 가중치와 편향의 집합을 찾는 것이다.
- 예를 들어 선형 회귀 모형은 일반적으로 평균 제곱 오차를, 로지스틱 회귀 모형은 로그 손실을 손실 함수로 사용한다.
- → 왼쪽 모델은 손실이 크고 오른쪽 모델은 손실이 작다.
2 같이 보기[ | ]
3 참고[ | ]
로그인하시면 댓글을 쓸 수 있습니다.
{{ comment.name }}
{{ comment.created | snstime }}
-
{{comment.page_title}} ―{{comment.name}}