हानि फ़ंक्शन, जिन्हें लागत फ़ंक्शन के रूप में भी जाना जाता है, गणितीय समीकरण हैं जो मशीन लर्निंग एल्गोरिदम के प्रदर्शन को मापते हैं। हानि फ़ंक्शन को आम तौर पर एल्गोरिदम के अनुमानित आउटपुट और वास्तविक वांछित आउटपुट के फ़ंक्शन के रूप में लिखा जाता है। हानि फ़ंक्शन प्रत्येक भविष्यवाणी के लिए त्रुटि की मात्रा, या "नुकसान" की गणना करता है।
आमतौर पर, मशीन लर्निंग एल्गोरिदम का लक्ष्य अधिक सटीक भविष्यवाणी प्राप्त करने के लिए हानि फ़ंक्शन को कम करना है। इसे प्राप्त करने के लिए, वर्तमान अनुमानित आउटपुट को अनुमानित और वांछित आउटपुट के बीच अंतर के आधार पर समायोजित किया जाना चाहिए। प्रत्येक पुनरावृत्ति के लिए अनुमानित आउटपुट को समायोजित करने की इस प्रक्रिया को ग्रेडिएंट डिसेंट के रूप में जाना जाता है, और यह मशीन लर्निंग में उपयोग की जाने वाली एक सामान्य अनुकूलन तकनीक है।
किसी विशेष मशीन लर्निंग एल्गोरिदम के लिए चुना गया हानि फ़ंक्शन का प्रकार हल की जा रही समस्या पर निर्भर करता है। उदाहरण के लिए, प्रतिगमन कार्यों को वर्गीकरण कार्यों की तुलना में एक अलग हानि फ़ंक्शन की आवश्यकता होती है। आम तौर पर उपयोग किए जाने वाले हानि कार्यों में माध्य वर्ग त्रुटि, क्रॉस-एन्ट्रॉपी और हिंज हानि शामिल हैं।
मशीन लर्निंग एल्गोरिदम में हानि फ़ंक्शन का उपयोग वास्तविकता को अधिक सटीक रूप से प्रतिबिंबित करने के लिए मशीन की भविष्यवाणियों को समायोजित करने के लिए एक शक्तिशाली उपकरण है। मशीन लर्निंग एल्गोरिदम द्वारा इष्टतम प्रदर्शन प्राप्त करने के लिए हानि फ़ंक्शन का सावधानीपूर्वक चयन और ट्यूनिंग आवश्यक है।