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.
Mène à
Régression logistique: Un modèle linéaire adapté à la classification en compressant sa sortie en une probabilité.
Bases des réseaux de neurones: Empiler des couches d'unités semblables à la régression logistique, reliées par des fonctions d'activation non linéaires, pour apprendre des schémas plus complexes.
Notions liées
Bases des réseaux de neurones: Empiler des couches d'unités semblables à la régression logistique, reliées par des fonctions d'activation non linéaires, pour apprendre des schémas plus complexes.