Quelle fonction de perte est utilisée dans le boosting pour la classification et la régression?

Dans le boosting pour la classification, la fonction de perte logistique (log-loss) est souvent utilisée, ce qui correspond au logarithme négatif de la vraisemblance pour la classification binaire. Elle est bien adaptée pour évaluer les prévisions probabilistes et optimiser les modèles.

Pour la régression, on utilise généralement une fonction de perte basée sur l'erreur quadratique moyenne (MSE) ou l'erreur absolue moyenne (MAE). En boosting par gradient, le MSE est souvent utilisé comme fonction de perte, car elle est différentiable et permet de calculer efficacement les gradients pour la mise à jour du modèle.

Exemple:

• Classification : fonction de perte logistique
• Régression : erreur quadratique moyenne (MSE)