¿Qué función de pérdida aplicar al entrenar el modelo?

La elección de la función de pérdida (función de pérdida) depende de la tarea de aprendizaje automático y del tipo de modelo:

• Para tareas de regresión generalmente se utilizan Error Cuadrático Medio (MSE) o Error Absoluto Medio (MAE).
• Para tareas de clasificación binaria a menudo se aplica Entropía Cruzada Binaria (regresión logística).
• Para clasificación multiclase — Entropía Cruzada Categórica.
• Para tareas con clases desequilibradas se pueden usar versiones ponderadas de las funciones de pérdida o Focal Loss.

Por ejemplo, al entrenar una red neuronal para clasificación de imágenes con 10 clases, generalmente se aplica Entropía Cruzada Categórica:

loss = tf.keras.losses.CategoricalCrossentropy()

Es importante elegir la función de pérdida que corresponda a la métrica de calidad y al tipo de datos de salida del modelo.