No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Funciones de costo o pérdidas

8/22
Recursos

Aportes 7

Preguntas 1

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

La función de perdida al igual que la función de activación depende de la naturaleza del problema a resolver. La siguiente es una selección común encontrada en la literatura:

  • Para un problema de regresión la función de perdida es MSE

  • Para un problema de clasificación binaria la función de perdida favorita es BCE(Binary Cross Entropy)

  • Para un problema de clasificación multiclase, la función de perdida más usada es NLL (Negative Log-likehood). Esta función no se comenta en esta sesión, pero su grafica es esta:

Y su ecuación es esta:

en el caso del mean absolute error, el profe no menciona su gran desventaja, la cual radica en que su “derivada” tiene problemas muy cerca a cero, lo cual es poco conveniente ya que en las iteraciones, el conocido “back propagation” hace uso de dichas derivadas.

En la binary cross entropy: ŷ → valores predichos.

Los outliers son valores atípicos, es decir aquellos que se encuentran por fuera del comportamiento general de una muestra de datos.

Comparación de funciones de pérdida -> Orientación residual -> Robusto frente a Outliers
MAE (Mean Absolute Error) -> Valor absoluto -> SI
MSE (Mean Squared Error) -> Cuadrado -> NO
MAPE (Mean Absolute Precentage Error) -> Valor Absoluto -> SI

Estas funciones de costo se usan para problemas de regresion, es decir, con variables continuas.

Excelente. Muy clara y sencilla tu explicación. Espero que más adelante vengan ejemplos para cada caso 😃