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.




