Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Verliesfunctie

Engels: Loss Function · Ook wel: loss function, cost function, kostenfunctie

In het kort

Een verliesfunctie, ook wel een kostenfunctie genoemd, is een wiskundige maat voor de fout van een machine learning-model. De functie vergelijkt de voorspellingen van het model met de juiste, bekende waarden en drukt dat verschil uit in één getal. Een groot getal betekent dat de voorspelling ver van de juiste waarde af ligt, een klein getal dat die voorspelling bijna klopt.

Waarom is dit belangrijk?

Zonder een verliesfunctie weet een trainingsmethode niet welke aanpassing het model tijdens het leren beter maakt. In de zorg trainen onderzoekers modellen op medische dossiers door die functie te verkleinen, om ziekteverloop en toekomstig risico te schatten. Voor studenten en werknemers bepaalt die functie hoe een model leert, maar een lage score op oefengegevens kan verbergen dat het model later toch fouten maakt.

Zo werkt het in de praktijk

In de energiesector hoort de verliesfunctie bij modellen die energieverbruik voorspellen, zoals in het werk van Zhao en Magoulès. In de verzekeringssector modelleert zij sinds Harald Cramér het verschil tussen uitkeringen en premies.

Onderzoekers vergelijken in Artificial Intelligence Review welke verliesfunctie past bij objectdetectie en bij taalverwerking. Zij beschrijven ook het automatisch zoeken naar een passende verliesfunctie. Daarnaast laten zij zien hoe meerdere verliesfuncties verschillende doelen in de training combineren.

Teams zetten de verliesfunctie in trainingssoftware. PyTorch van Facebook AI Research bevat hiervoor standaardfuncties voor regressie en classificatie. TensorFlow en Keras van Google doen hetzelfde, waarna het trainingsprogramma de modelparameters op die functie afstemt.

Gecontroleerd op 23 oktober 2026