Qual é a função de perda usada no boosting para classificação e regressão?

No boosting para classificação, frequentemente é utilizada a função de perda logística (log-loss), que corresponde ao logaritmo negativo da verosimilhança para classificação binária. Ela é adequada para avaliar previsões probabilísticas e otimizar modelos.

Para regressão, geralmente é aplicada a função de perda baseada no erro quadrático médio (MSE) ou erro absoluto médio (MAE). No boosting por gradiente, o MSE é frequentemente utilizado como função de perda, pois é diferenciável e permite calcular eficientemente os gradientes para atualizar o modelo.

Exemplo:

• Classificação: função de perda logística
• Regressão: erro quadrático médio (MSE)