☑️ تابع هزینه Cross-Entropy
◾️مناسب مسائل طبقه بندی
◽️جریمه بیشتر خطاهای با سطح اطمینان بالا
◾️قابلیت تعمیم برای داده های نامتعادل

☑️ تابع هزینه Hinge
◾️مناسب مسائل طبقه بندی
◽️مسائل max-margin همانند SVM

☑️ تابع هزینه MSE
◾️مناسب مسائل رگرسیون
◽️جریمه بیشترخطاهای زیاد
◾️حساس به داده های پرت

☑️تابع هزینه MAE
◾️مناسب مسائل رگرسیون
◽️جریمه یکسان خطاها
◾️مقاوم به داده های پرت
◽️ناتوانی در تولید خروجی های خاص

☑️ تابع هزینه Huber
◾️مناسب مسائل رگرسیون
◽️ترکیب دو تابع MSE و MAE
◾️مقاوم به داده‌های پرت
◽️نیاز به تنظیم هایپرپارمتر


PDF
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme