Loss Function 모델의 output 즉, 예측값과 실제 데이터 셋과의 차이를 수치화시키는 함수다.(이 차이를 출이는 것이 목표이며, loss값이 필요한 이유다.) 어떤 종류의 Loss Function이든, 예측값과 실제값이 비슷할수록 0 & 비슷하지 않을수록 1 또는 ∞에 가까워야한다는 개념으로부터 파생된다는 것을 인지하자. MSE(Mean Squared Error) 이 또한, 둘이 비슷할수록 0에 가까워지고, 둘의 차이가 클수록 발산한다. 는 아래로 볼록한 모형의 그래프를 형성할 것이다. 보통 regression에서 주로 사용된다. BCE(Binary Cross Entropy) Binary Classification을 할 때 사용하는 Loss Function이다. y = 0이면, 앞에 항이 0..
