손실 (머신러닝)

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

• 예측 (머신러닝)
• 편향 (머신러닝)
• 레이블 (머신러닝)
• 손실 함수
• 모델 학습
• L₁ 손실
• 제곱 손실(L₂ 손실)
• 로그 손실
• 평균 제곱 오차

3 참고

• https://developers.google.com/machine-learning/glossary?hl=ko#%EC%86%90%EC%8B%A4loss