이번에는 텐서플로우 2.0이 제공하는 손실함수 15개에 대해 알아봅시다. 손실함수는 머신러닝에서 목적함수로서 중역을 맡고 있습니다. 머신러닝의 목적이 굉장히 야심차 보일 수 있지만, 사실 수학적 관점에서 봤을 때 머신러닝 알고리즘은 단순히 손실함수(목적함수)를 활용한 최소화에 불과합니다.
지도학습(Supervised learning)은 회귀(regression)와 분류(classification) 두가지 종류로 나눠지는데요, 손실함수도 두가지 종류로 나뉜다고 볼 수 있습니다.
회귀 타입에 쓰이는 손실함수는:
- MSE
- MAE
- MSLE
- MAPE
- KLD
- Poisson
- Logcosh
- Cosine Similarity
- Huber
분류에 쓰이는 손실함수는:
- Binary cross-entropy
- Categorical cross-entropy
- Sparse categorical cross-entropy
- Hinge
- Squared Hinge
- Categorical Hinge
이렇게 종류를 나눠 15가지 손실함수가 있다는 것을 알아보았습니다.
도움이 많이 되셨나요?
궁금하신 점이나 개선할 점 등 댓글은 언제나 환영하고,
CLAP은 항상 큰 힘이 됩니다.
읽어주셔서 감사합니다.
** 좀 더 궁금하신분은 여기를 참조하세요**
