보통, 기계학습,machine_learning에서 둘은 비슷한 의미지만
single training set에는 loss function,
여러 training set에는 cost function이라 하는 듯.
single training set에는 loss function,
여러 training set에는 cost function이라 하는 듯.
ML쪽에서 cost vs loss 는 크게 다른 것은 아님. 구분이 무의미할지도.. Google ML glossary에선 동의어로 처리.
목적함수,objective_function(writing)
대충, (학습된 NN의 출력)과 (정답)의 차이,difference로 계산된다는 (그 차이 값이 손실,loss?)그런 점이 비슷한데/같은데, ...tbw
tmp ref. https://developers.google.com/machine-learning/glossary?hl=ko#objective-function
and objective.function definition
오차,error와 밀접한데 정확한 관계가?and objective.function definition
대충, (학습된 NN의 출력)과 (정답)의 차이,difference로 계산된다는 (그 차이 값이 손실,loss?)그런 점이 비슷한데/같은데, ...tbw
다양한 이들 function의 구체적 예 까지 설명한 곳 (en)
https://medium.com/@zeeshanmulla/cost-activation-loss-function-neural-network-deep-learning-what-are-these-91167825a4de
https://medium.com/@zeeshanmulla/cost-activation-loss-function-neural-network-deep-learning-what-are-these-91167825a4de
Bmks en
Google ML Glossary에서
{
https://developers.google.com/machine-learning/glossary?hl=ko#l
Google ML Glossary에서
{
https://developers.google.com/machine-learning/glossary?hl=ko#l
저기서 설명: L1_loss L1_regularization L2_loss L2_regularization
mklink: 이름만 봐도 거리,distance 노름,norm 측도,measure 관련이며 ... regularization(pagename은 아마 정칙화,regularization or 정규화,regularization 둘중 하나로..) lasso ridge ...
그리고 L2_loss 최소화 - rel. least_squares_regression LSR .... rel. 최소제곱,least_square
https://developers.google.com/machine-learning/glossary?hl=ko#lossmklink: 이름만 봐도 거리,distance 노름,norm 측도,measure 관련이며 ... regularization(pagename은 아마 정칙화,regularization or 정규화,regularization 둘중 하나로..) lasso ridge ...
그리고 L2_loss 최소화 - rel. least_squares_regression LSR .... rel. 최소제곱,least_square
바로 아래 loss_curve loss_surface 아주짧은설명이어짐
}