نقصان کے افعال

Choosing the right loss shapes what the model actually learns.

ہر تربیت یافتہ ماڈل کو ناکامی کی ایک درست تعریف کی ضرورت ہوتی ہے، اور یہی نقصان کا فنکشن فراہم کرتا ہے۔ یہ ماڈل کی پیشین گوئی کا صحیح جواب سے موازنہ کرتا ہے اور ایک نمبر دیتا ہے: زیادہ کا مطلب بدتر ہے۔ تربیت پھر اس تعداد کو کم سے کم کرنے کا عمل ہے۔ نقصان کا انتخاب کاسمیٹک نہیں ہے. رجعت کے کاموں کے لیے، مطلب مربع غلطی فرق کو مربع کرکے بڑی غلطیوں پر بھاری جرمانہ عائد کرتی ہے، جب کہ مطلب مطلق غلطی تمام غلطیوں کو زیادہ یکساں طور پر دیکھتی ہے اور آؤٹ لیرز کی مزاحمت کرتی ہے۔ درجہ بندی کے لیے، کراس اینٹروپی نقصان اس بات کا اندازہ لگاتا ہے کہ پیشن گوئی شدہ امکانی تقسیم حقیقی لیبل سے کتنی دور ہے، اعتماد والے غلط جوابات کو سخت سزا دیتے ہیں۔ کسی ایسے نقصان کا انتخاب کرنا جو آپ کے مقصد سے مماثل نہیں ہے، ایک ماڈل کو تکنیکی طور پر غلط چیز کو بہتر بنا سکتا ہے، لہذا نقصان کا فنکشن مؤثر طریقے سے ان کوڈ کرتا ہے جس کی آپ کو فکر ہے۔