![]()
Loss Function quantifies our unhappiness with the scores across the training data. 모델의 학습 결과로 얻어낸 예측값(score)이 실제값과 얼마나 다른지 수치화할 수 있어야 한다. 이것을 가능하게 하는 것이 Loss function이다. Loss function(=cost func)을 통해 얻어낸 unhapiness를 우리는 loss(cost)라고 부른다. Loss를 계산하는 몇가지 방법에 대해서 알아보자. Log Likelihood Loss 이전에 알아보았던 hinge loss는 모델의 score값을 이용하여 loss값을 계산하였다. 이제는 모델이 각 class로 판단할 확률에 기반하여 loss를 계산해보자. 어떤 방식으로 모델이 각 c..
![]()
Loss Function quantifies our unhappiness with the scores across the training data. 모델의 학습 결과로 얻어낸 예측값(score)이 실제값과 얼마나 다른지 수치화할 수 있어야 한다. 이것을 가능하게 하는 것이 Loss function이다. Loss function(=cost func)을 통해 얻어낸 unhapiness를 우리는 loss(cost)라고 부른다. Loss를 계산하는 몇가지 방법에 대해서 알아보자. Hinge Loss hinge loss는 Support Vector Machine에서 주로 사용되고 있기 때문에 SVM loss로 불리기도 한다. Binary hinge loss (binary SVM loss) 가장 기본적인 형태의 b..
