Bases du machine learning · Fondamentaux

Fonctions de coût et de perte

Le nombre unique qu'un modèle cherche à minimiser pendant l'entraînement, choisi pour refléter à quel point ses prédictions sont fausses.

Commencer une leçon sur Fonctions de coût et de perte

À apprendre d'abord

• Régression linéaire: Ajuster une droite (ou un hyperplan) aux données pour prédire un nombre continu.

Mène à

• Descente de gradient: Ajuster de façon répétée les paramètres d'un modèle en descendant la fonction de coût pour réduire l'erreur.

Notions liées

• Descente de gradient: Ajuster de façon répétée les paramètres d'un modèle en descendant la fonction de coût pour réduire l'erreur.