Kurz-Fakten

  • Bei Klassifikation üblich: Cross-Entropy
  • Bei Regression üblich: mittlerer quadratischer Fehler (MSE)
  • MSE bestraft große Abweichungen überproportional stark
  • Die Verlustfunktion ist nicht dasselbe wie die Bewertungskennzahl

Bedeutung in der Praxis

Der letzte Punkt ist praktisch bedeutsam: Trainiert wird gegen die Verlustfunktion, beurteilt wird gegen die fachliche Kennzahl. Wenn beide auseinanderlaufen, optimiert man an der Aufgabe vorbei – etwa bei sehr ungleich verteilten Klassen.

Verwandte Begriffe