Presná definícia
Čo znamená stratová funkcia?
Stratová funkcia priraďuje predikcii a referenčnému výsledku číselnú cenu chyby, ktorú učenie minimalizuje po jednotlivých príkladoch alebo v agregácii. Určuje, ktoré omyly vytvoria silný gradient a aký štatistický cieľ model odhaduje. Nie je automaticky totožná s hodnotiacou ani obchodnou metrikou; vhodná hladká náhrada môže uľahčiť optimalizáciu, no musí zostať zosúladená s rozhodnutím.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri predikcii meškania sa najprv určí skutočný náklad podhodnotenia a nadhodnotenia. Absolútna chyba môže byť vhodnejšia než štvorcová, ak extrémy nemajú kvadratický dopad; pri kvantilovej strate možno cieliť rezervu pre 90. percentil. Implementácia sa otestuje na ručne vypočítaných prípadoch vrátane chýbajúcich cieľov a váh segmentov. Počas tréningu sa sleduje strata aj rozhodovacia metrika a kalibrácia. Ak optimalizácia zlepšuje priemer, ale poškodzuje kritickú skupinu, upraví sa cieľ alebo obmedzenie a zmena sa overí mimo dát použitých na ladenie.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako sa strata líši od hodnotiacej metriky?
Strata riadi učenie; metrika sumarizuje vlastnosť dôležitú pre hodnotenie.
Znamená nulová tréningová strata dokonalý model?
Iba na daných príkladoch a podľa danej straty, nie na novej populácii.
Kedy použiť asymetrickú stratu?
Keď majú podhodnotenie a nadhodnotenie odlišné následky.
Čo robia váhy príkladov?
Menia relatívny príspevok prípadov alebo skupín k optimalizačnému cieľu.
Čo je náhradná strata?
Optimalizovateľná funkcia použitá namiesto nespojitej cieľovej metriky.