Milyen veszteségfüggvényt alkalmazzunk a modell tanításakor?

A veszteségfüggvény (loss függvény) kiválasztása a gépi tanulási feladattól és a modell típusától függ:

• Regressziós feladatokhoz általában a Mean Squared Error (MSE) vagy a Mean Absolute Error (MAE) használatos.
• Kétosztályos osztályozási feladatokhoz gyakran alkalmazzák a Binary Cross-Entropy-t (logisztikus regresszió).
• Többszörös osztályozáshoz — Categorical Cross-Entropy.
• Egyensúlyozatlan osztályokkal végzett feladatokhoz súlyozott veszteségfüggvények vagy Focal Loss használható.

Például, egy 10 osztályos képosztályozó neurális hálózat tanításakor általában a Categorical Cross-Entropy-t alkalmazzák:

loss = tf.keras.losses.CategoricalCrossentropy()

Fontos kiválasztani azt a veszteségfüggvényt, amely megfelel a minőségi mérőszámnak és a modell kimeneti adatainak típusának.