[AI] 딥러닝 compile, loss(손실함수) 값 설정 _ 분류문제, 수치문제

분류 문제 Loss 셋팅

 

분류의 Loss 함수는 2가지로 나뉜다

1. 2개로 분류하는 문제에서는   loss = ' binary_crossentropy '

2. 3개 이상으로 분류하는 문제에서는   loss = ' sparse_categorical_crossentropy '

# 2개로 분류
  model.compile( optimizer= 'adam', loss= 'binary_crossentropy', metrics= [ 'accuracy' ])
# 3개 이상으로 분류
  model.compile( optimizer= 'adam', loss= 'sparse_categorical_crossentropy', metrics= [ 'accuracy' ])

 

수치 예측 문제 Loss 셋팅

 

수치의 Loss 함수의 종류는 다양하지만, 일반적으로 사용되는 2가지를 자주 사용한다

1. 예측한 값과 실제 값 사이의 평균 제곱 오차   loss = 'mse'

2. MSE에 루트(√)를 씌운 것 loss = 'rmse'

# mse 사용
  model.compile(optimizer= tf.keras.optimizers.Adam(learning_rate=0.001), loss='mse', metrics=['mae'])
# rmse 사용
  model.compile(optimizer= tf.keras.optimizers.Adam(learning_rate=0.001), loss='rmse', metrics=['mae'])