Pérdida al cuadrado

La pérdida al cuadrado es una función de pérdida que se puede utilizar en la configuración de aprendizaje en la que predecimos una variable de valor real y dada una variable de entrada x.

1. ¿Cómo se calcula la pérdida al cuadrado??
2. ¿Es la pérdida de L2 igual que la pérdida de MSE??
3. ¿Por qué se divide una pérdida por 2??
4. Es la pérdida de error al cuadrado aleatorio?

¿Cómo se calcula la pérdida al cuadrado??

¿Cómo se calcula la pérdida media de error al cuadrado?? La pérdida de error al cuadrado medio (MSE) se calcula tomando la diferencia entre `y` y nuestra predicción, luego cuadra esos valores. Tomamos estos nuevos números (los cuadros), agregamos todo eso juntos para obtener un valor final, finalmente dividimos este número nuevamente.

¿Es la pérdida de L2 igual que la pérdida de MSE??

Es la pérdida de L2 lo mismo que MSE (media de errores al cuadrado)? La pérdida de L2 y MSE están relacionadas, pero no son las mismas. La pérdida de L2 es la pérdida para cada ejemplo, mientras que MSE es la función de costo, que es una agregación de todos los valores de pérdida en el conjunto de datos.

¿Por qué se divide una pérdida por 2??

Es simple. Es porque cuando toma la derivada de la función de costo, que se utiliza para actualizar los parámetros durante el descenso de gradiente, que 2 en la potencia se cancelan con el multiplicador de 12, por lo tanto, la derivación es más limpia.

Es la pérdida de error al cuadrado aleatorio?

MSE es una función de riesgo, correspondiente al valor esperado de la pérdida de error al cuadrado. El hecho de que MSE sea casi siempre estrictamente positivo (y no cero) se debe a la aleatoriedad o porque el estimador no tiene en cuenta la información que podría producir una estimación más precisa.