¿Qué función de pérdida se utiliza en el boosting para clasificación y regresión?

En el boosting para clasificación, a menudo se utiliza la función de pérdida logística (log-loss), que corresponde al logaritmo negativo de la verosimilitud para clasificación binaria. Es adecuada para evaluar pronósticos probabilísticos y optimizar modelos.

Para regresión, generalmente se emplea la función de pérdida basada en el error cuadrático medio (MSE) o el error absoluto medio (MAE). En el boosting por gradiente, el MSE se usa a menudo como función de pérdida, ya que es diferenciable y permite calcular eficientemente los gradientes para actualizar el modelo.

Ejemplo:

• Clasificación: función de pérdida logística
• Regresión: error cuadrático medio (MSE)