Loss Function

이 손실 함수는 이진 분류 문제에서 모델의 예측값과 실제값 간의 차이를 측정해요. 예측 확률이 0 또는 1에 가까울수록 손실이 낮아지고, 그렇지 않을수록 손실이 커져요. 주로 딥러닝 모델의 훈련에 사용돼요.

다중 클래스 분류 문제에서 자주 사용되는 손실 함수이에요. 정답 클래스의 확률을 최대화하고, 잘못된 클래스의 확률을 최소화하려고 해요. 결과적으로 모델의 예측과 실제 레이블 간의 차이를 측정해요.

모델의 예측값과 실제 값 간의 절대차를 평균한 값이에요. 이 값이 작을수록 모델의 성능이 좋다고 평가해요. 주로 회귀 문제에서 사용되며, 이상치에 강한 특성이 있어요.

오차 제곱합을 평균하여 계산하는 방법이에요. 이는 예측값과 실제값의 차이를 제곱하여 평균을 내는 방식이에요. 주로 회귀 문제에서 사용되며, 모델의 성능을 평가하는데 유용해요.

RMSE는 예측값과 실제값의 차이를 제곱한 후 평균을 구하고, 다시 제곱근을 취해요. 이를 통해 오차의 크기를 평가할 수 있어요. 작은 RMSE 값은 모델의 예측 정확도가 높다는 것을 의미해요.