機械学習および AI モデルでは、損失メトリックはモデルの予測と実際の値の間の誤差を定量化します。
損失の定義:
損失は、モデルの予測が期待される出力からどれだけ離れているかを表します。
AI モデルをトレーニングする目的は、損失を最小限に抑え、予測精度を向上させることです。
損失関数は、モデルパラメータを更新する勾配降下法の最適化において重要です。
損失関数の種類:
平均二乗誤差 (MSE) - 回帰問題に使用されます。
クロスエントロピー損失 - 分類問題 (NLP タスクなど) で使用されます。
ヒンジ損失 - サポート ベクター マシン (SVM) で使用されます。
負の対数尤度 (NLL) - 確率モデルでよく使用されます。
その他のオプションの明確化:
(B) は、損失は予測の数をカウントしないため不正解です。
(C) は不正解です。損失は正しい予測と間違った予測の両方に焦点を当てているからです。
(D) は不正解です。モデルが改善されると損失は増加するのではなく減少するはずです。
🔹 Oracle Generative AI リファレンス:
Oracle AI プラットフォームは、LLM、分類モデル、ディープラーニング アーキテクチャのトレーニング パイプラインに損失最適化手法を実装します。