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.