🧠 ML Temelleriorta⏱ 10 dk

Kayıp Fonksiyonu: Hatayı Ölçmek

MSE ve Cross-Entropy — interaktif playground

Kayıp fonksiyonu, modelin ne kadar hatalı olduğunu tek bir sayıyla ifade eder. Eğitim, bu sayıyı minimize etme sürecidir. Hangi kayıp fonksiyonunu seçtiğiniz, modelin neyi optimize edeceğini — ve ne tür hatalar yapacağını — doğrudan belirler.

**MSE = (1/n) Σ (yᵢ - ŷᵢ)²** — Regresyon problemlerinde kullanılır. Büyük hatalar küçük ha…

**L = -Σ yᵢ log(ŷᵢ)** — Sınıflandırma problemlerinde kullanılır. Doğru sınıfın olasılığını…

⚡ İnteraktif Playground

MSE — Regresyon

·Sürekli çıkış (sayı tahmini)
·Büyük hataları ağır cezalandırır
·Outlier'lara duyarlı
·Türevi kolayca hesaplanır

Cross-Entropy — Sınıf.

·Kategorik çıkış (olasılık)
·Yanlış ve kendinden emin olmayı cezalandırır
·Softmax ile iyi çalışır
·Sayısal kararlılık için log-sum-exp

✦ Quiz

Bir sinir ağı ikili sınıflandırma yapıyor (köpek/kedi). Hangi kayıp fonksiyonu daha uygun?

Bağlantılı Konular