Verlustfunktion
Eine mathematische Funktion, die den Unterschied zwischen vorhergesagten Ergebnissen und wahren Werten quantifiziert und als Richtschnur für Modelltraining und -optimierung dient.
Definition
Die objektive Metrik (z. B. Kreuzentropie, mittlerer quadratischer Fehler, benutzerdefinierte Verluste durch Fairness-Penalty), die der Optimierer minimiert. Die Wahl der Verlustfunktion wirkt sich direkt auf das Modellverhalten aus. Die Unternehmensleitung muss vor der Schulung die Verlustdefinitionen überprüfen, um sicherzustellen, dass sie mit den Geschäftszielen, ethischen Einschränkungen (z. B. Hinzufügung von Fairness-Regularien) und der Risikotoleranz in Einklang stehen, und muss Konfigurationen dokumentieren, um die Überprüfbarkeit und Reproduzierbarkeit zu gewährleisten.
Real-World Example
Das Team eines Betrugserkennungsmodells entscheidet sich für einen gewichteten Kreuzentropieverlust, bei dem falsch negative Ergebnisse viermal häufiger bestraft werden als falsch positive Ergebnisse — was die Geschäftskosten eines übersehenen Betrugs widerspiegelt. Sie dokumentieren die Gewichtungsgrundlagen und verfolgen die nachgelagerten Auswirkungen sowohl auf die Genauigkeit als auch auf die Erinnerungsfähigkeit, um ausgewogene Ergebnisse zu gewährleisten.
.svg)
