Modeli öyrənərkən hansı itki funksiyasını tətbiq etmək lazımdır?

Maşın öyrənmə və model növünə görə itki funksiyasının (loss funksiyasının) seçimi:

• Reqressiya tapşırıqları üçün adətən Mean Squared Error (MSE) və ya Mean Absolute Error (MAE) istifadə olunur.
• İki sinifli təsnifat tapşırıqları üçün tez-tez Binary Cross-Entropy (logistik reqressiya) tətbiq edilir.
• Çox sinifli təsnifat üçün — Categorical Cross-Entropy.
• Dengesiz siniflərə malik tapşırıqlar üçün çəkili versiyalar və ya Focal Loss istifadə oluna bilər.

Məsələn, 10 sinifli təsvirlərin təsnifatı üçün neyron şəbəkənin öyrədilməsi zamanı adətən Categorical Cross-Entropy istifadə olunur:

loss = tf.keras.losses.CategoricalCrossentropy()

Modelin çıxış məlumatlarına və keyfiyyət metrikasına uyğun itki funksiyasını seçmək vacibdir.