Ի՞նչ կորուստային ֆունկցիա կիրառել մոդելի ուսուցման ժամանակ:

Մեքենայական ուսուցման առաջադրանքի և մոդելի տեսակի վրա կախված է կորուստային ֆունկցիայի (loss ֆունկցիայի) ընտրությունը:

• Ռեգրեսիայի առաջադրանքների համար սովորաբար օգտագործվում է Mean Squared Error (MSE) կամ Mean Absolute Error (MAE):
• Երկակի դասակարգման առաջադրանքների համար հաճախ կիրառվում է Binary Cross-Entropy (լոգիստիկ ռեգրեսիա):
• Բազմասեռ դասակարգման համար — Categorical Cross-Entropy:
• Անհավասարակշռված դասարաններով առաջադրանքների համար կարող են օգտագործվել քաշված տարբերակներ կամ Focal Loss:

Օրինակ, 10 դասով պատկերների դասակարգման համար նեյրոնային ցանցի ուսուցման ժամանակ սովորաբար կիրառվում է Categorical Cross-Entropy:

loss = tf.keras.losses.CategoricalCrossentropy()

Կարևոր է ընտրել այն կորուստային ֆունկցիան, որը համապատասխանում է որակի չափանիշին և մոդելի ելքային տվյալների տիպին։