Loss Function

Daten/Training/Evaluierung

Zielfunktion, die Trainingsfehler misst.

Loss-Funktionen bewerten, wie stark die Vorhersagen eines Modells von den tatsächlichen Werten abweichen. Das Ziel des Trainings ist, diesen Fehler zu minimieren.

Beispiele: Mean Squared Error (MSE), Cross-Entropy, Hinge Loss.
Bedeutung: Die Wahl der Loss-Funktion beeinflusst Lernverhalten und Genauigkeit stark.