エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
2. Pythonで綴る多変量解析 5-2. ロジスティック回帰分析[損失関数] - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
2. Pythonで綴る多変量解析 5-2. ロジスティック回帰分析[損失関数] - Qiita
損失関数(loss function) 損失関数をはじめ、誤差関数、コスト関数などと、いくつか呼び名があります。 ... 損失関数(loss function) 損失関数をはじめ、誤差関数、コスト関数などと、いくつか呼び名があります。 最適な重みパラメータにたどりつくために、一つの指標を手がかりにして計算をくりかえす。その指標のことです。 一般に2乗和誤差や交差エントロピー誤差が用いられます。 誤差という、性能の悪さを示す指標ですが、モデルはそれがなるべく小さくなるような重みパラメータを見つけます。 2乗和誤差(mean squared error) 2乗和誤差(またの名をsum of squares error:SSE)とは、予測値と観測値との差の2乗を合計したものです。 実際に観測されたデータの平均値を基準として、観測値全体の変動(sum of squares total:SST)から、回帰による予測値全体の変動(sum of squares regression:SSR)をひいたもの、ともいえます。 2