In der linearen Regression wird standardmäßig die Verlustfunktion MSE (Mean Squared Error) verwendet. Sie berechnet den Durchschnitt der Quadrate der Differenzen zwischen den vorhergesagten und den tatsächlichen Werten:

[ MSE = \frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2 ]

Dabei gilt:

(y_i) — tatsächlicher Wert
(\hat{y}_i) — vorhergesagter Wert
(n) — Anzahl der Beobachtungen

MSE ist gut geeignet für Regressionsaufgaben, da es große Fehler stark bestraft, was zu einer genaueren Modellschulung beiträgt.

Zurück Als nächstes