Qual função de perda aplicar ao treinar o modelo?

A escolha da função de perda (função de perda) depende da tarefa de aprendizagem de máquina e do tipo de modelo:

• Para tarefas de regressão geralmente usam-se Erro Quadrático Médio (MSE) ou Erro Absoluto Médio (MAE).
• Para tarefas de classificação binária frequentemente aplicam Entropia Cruzada Binária (regressão logística).
• Para classificação multiclasse — Entropia Cruzada Categórica.
• Para tarefas com classes desequilibradas podem ser usadas versões ponderadas das funções de perda ou Focal Loss.

Por exemplo, ao treinar uma rede neural para classificação de imagens com 10 classes, geralmente se aplica Entropia Cruzada Categórica:

loss = tf.keras.losses.CategoricalCrossentropy()

É importante escolher a função de perda que corresponda à métrica de qualidade e ao tipo de dados de saída do modelo.