Fungsi kerugian

Fungsi kerugian, juga dikenal sebagai fungsi biaya, adalah persamaan matematika yang mengukur performa algoritma pembelajaran mesin. Fungsi kerugian biasanya ditulis sebagai fungsi dari prediksi keluaran algoritma dan keluaran aktual yang diinginkan. Fungsi kerugian menghitung jumlah kesalahan, atau “kerugian”, untuk setiap prediksi.

Biasanya, tujuan algoritma pembelajaran mesin adalah meminimalkan fungsi kerugian untuk mencapai prediksi yang lebih akurat. Untuk mencapai hal tersebut, keluaran yang diprediksi saat ini harus disesuaikan berdasarkan selisih antara keluaran yang diprediksi dan yang diinginkan. Proses penyesuaian keluaran prediksi untuk setiap iterasi dikenal sebagai penurunan gradien, dan merupakan teknik pengoptimalan umum yang digunakan dalam pembelajaran mesin.

Jenis fungsi kerugian yang dipilih untuk algoritma pembelajaran mesin tertentu bergantung pada masalah yang dipecahkan. Misalnya, tugas regresi memerlukan fungsi kerugian yang berbeda dari tugas klasifikasi. Fungsi kerugian yang umum digunakan mencakup kesalahan kuadrat rata-rata, entropi silang, dan kerugian engsel.

Penggunaan fungsi kerugian dalam algoritme pembelajaran mesin adalah alat yang ampuh untuk menyesuaikan prediksi mesin agar mencerminkan kenyataan dengan lebih akurat. Pemilihan dan penyesuaian fungsi kerugian yang cermat sangat penting untuk mencapai performa optimal dengan algoritme pembelajaran mesin.