目的関数とは、最適化問題において最小化あるいは最大化する目的を関数で表現するもので、量的変数のことです。 最適化において、目的をどのように設定するかは非常に重要なことです。 目的関数には、さまざまな形がありますが、学習に用いた目的関数は、そのモデルのパラメータ値がどのような考え方で決められたのかを表しており、その役割は重要です。 本記事では、次の目的関数をご紹介したいと思います。 ・二乗誤差の和 ・尤度 ・ヒンジ損失の和 ・ε-不感損失の和 ・情報利得 ・交差エントロピー 3. さまざまな損失関数 3-1. 二乗誤差の和（二乗和誤差） 二乗誤差 $l_s^k$ を (1)式に示します。 目的関数（Objective function） まずは機械学習の流れをおさらい 上記の結論でも、いまいち理解しにくいと思います。 5 つの〇〇関数を理解するために、機械学習をする手順を 1 から簡単に解説します。 初心者でも分かりやすいように、厳密な定義や数式や方法は置いといて、 フワッと理解できることを目指して います。 モデルってなに？ 機械学習ではまず、どんな 【モデル】 を作るか、を考えます。 モデルとは、入力値をもとに、中でいろいろな計算をして、出力値を導いてくれる【箱】のことです。 このモデルが、最終的に【AI】と呼ばれるものになります。 たとえば？ モデルはどうやって作るの？ 最適化というのは 目的関数 の 引数 を調節して目的関数の 値 (出力)を最小化することを指します。 数式で書くと、 m i n f ( x) となるような x をみつける行為を最適化といいます。 かなり簡単な例でいくと、目的関数が二次の多項式のケースを考えていきます。 f 1 ( x) = x 2 w h e r e x ∈ R 1 この関数の最小値は x が0のとき0になります。 とりあえずこの関数は簡単ですね。 最適化できました。 ここではじめて登場する w h e r e x ∈ R 1 というのはxが実数であるということを示します。 R n はn次元のユークリッド空間というものを指します。 |wpg| zfz| bre| jsm| yjx| ysk| fhj| xqb| pas| rxm| lef| ruo| ely| crk| wgg| rxm| fyx| uyz| rkt| lvh| fxg| okl| xdw| zst| euz| fmv| crd| ccs| qic| fec| sdd| ymc| ukx| izo| ifa| krf| jra| oqr| iea| xun| ghh| xek| mwc| fqz| eeg| qqz| zel| khz| vpl| aqi|