Loss Function nerelerde uygulanır?


#1


görmüş olduğunuz gibi biraz (yeni başlayan ben için) karışık bi fonksiyon bulunuyor, bu fonksiyon nerelerde neden nasıl uygulanır? Birde uygulama aşamasına gelince, uygulaması kolay mıdır?


#2

Çok genel haliyle Loss function bizim biri cözmeye çalıştığımız problemin gerçek değeri ile bizim problemi cözmek icin oluşturduğumuz modelimizin parametreleri arasındaki bağlantıyı veren bir fonksiyondur. Loss function optimizasyonda ve machine learning’de robotikte sıkça kullanılır, Convex bir yapiya sahiptir böylece optimizasyon algoritmalarıyla ( mesela grad descent ) minimize edilebilir. Burda yüklediğin fotoda loss function bir classifcation probleminin gerçek değerleri ile classfication modelimizin parametreleri arasındaki bağlantıyı veriyor. Orta seviyede bir python programcısı için uygulaması kolaydır evet. Mesela Robotikteden örnek vermek gerekirse path planningde ( A* algoritması ) kullanılır, haritalandırmada ( laser scan matching ) kullanılır vb…


#3

@cagatay 'ın yazdıklarına ekleme yapacak olursak, loss function’ı “BÜTÜN” machine learning related tasklerde kullanmak zorundasın. Sonuçta bir optimizasyon problemi çözüyorsun ve probleminin “optimal” değerini bulabilmek için bu fonksiyonu maksimize ya da minimize etmen gerekiyor.

Olmak zorunda değil =) Non-smooth ve/veya discontinuous objective functionlarla da çalışmak zorunda kalabilirsin (örn: Learning-to-rank)

Gene task’e göre değişir, maximize’da edebilirsin. Ama genel approach loss function’ı minimize üzerine kurulu; çünkü "loss"u azaltmak istersin.


#4

ben de biraz ekleme yapiyim @bahadir haklı evet maksimize de edebiliriz ozaman ismi reward function oluyor bu sefer fonksiyonu ters convex gibi düşünebilirsin. Robotik uygulamalarda Convex kullanılır genelde , RMSE sıkça kullanılan bir loss functiondır robotikte. Yüksek dimensionlı problemlerde ( deep learning ile image classifcation gibi ) convex gibi bir yapıya sahipttir fakat bir çok local minimum bulunur. Algoritmanın temeli ( log lu ifadeler ) entropiden çıkmaktadır. ( cross entropy loss function ). RMSE hızlıca anlaşılan en basit loss functionlardandır bi okursan anlayacaksın, kısaca rmse gerçek cıktı ile bizim oluşturduğumuz modelin çıktısı arasındaki mesafeyi ( errorü ) gösterir bu mesafenin en küçük olmasını isteriz.


#5

Üstteki yorumlar gayet güzel açıklamış, uygulaması kolay mıdır sorusunun cevabı karmaşık olsa da gözünüzü korkutmamak için evet kolaydır, hatta 2 satır kod ile yapılır diyerek örnek paylaşmak istiyorum. https://keras.io/losses/#usage-of-loss-functions


#6

Yorumlarınız için teşekkür ederim. :slight_smile: