No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Funcion de pérdida (loss function)

9/28
Recursos

Aportes 4

Preguntas 4

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

La función de pérdida evalúa los valores reales contra la predicción. Un valor alto en la función de pérdida indica que nuestras predicciones son malas. En cambio, un valor bajo de la función de pérdida indica una buena predicción.

Para el caso de una regresión tenemos la función de pérdida del error cuadrático medio (MSE, por sus siglas en inglés)

Para el caso de clasificaciones tenemos la función de Cross Entropy

De pronto la derivada debería ser distinta…

Esta es más acertada desde mi parecer: 2*(y_hat - y)

Ya que una derivación se la realiaz multiplicando el exponente por x y el exponenente que tenía restarle 1. De esta forma:

Function: x^2

Derivate: 2x

prediction = np.array([0.9,0.5,0.2,0.0])
prediction_2 = np.array([0.2,0.1,0.8,0.9])
real =  np.array([0,0,1,1])
#mala calificacion hay que reajustar los pesos
mse(real, prediction)
#buena calificacion 
mse(real, prediction_2)