Keras — Funções de perda (loss)

Sumário
1.	Introdução
	Funções de perdas - Probabilísticas (probabilistic losses):
2.	binary_crossentropy
3.	categorical_crossentropy
4.	sparse_categorical_crossentropy
	Funções de perdas de regressão (regression losses):
5.	mean_squared_error
6.	mean_absolute_error
7.	mean_squared_logarithmic_error
	Funções de perdas de articulação (Hinge losses):
8.	hinge
9.
10.	Links úteis

Início

---

1. Introdução

As funções de perda (loss) destinam-se a minimizar o treino dos modelos.
Estão acessíveis quer através de identificadores de classe quer através de identificadores de função. Os identificadores de classe permitem passar argumentos para as funções.
Podem ser classificadas como:

• Funções de perda probabilíticas (probabilistic losses)
• Funções de perda de regressão (regression losses)
• Funções de perda de articulação (Hinge losses)

Início

---

2. binary_crossentropy

A entropia cruzada binária é uma função de perda utilizada com classificação binária. Quanto menor for o valor da entropia cruzada binária, melhor as previsões do modelo se alinham com os rótulos verdadeiros.
Tem associada a class BinaryCrossentropy.
Bibliografia:

• Geeks-for-geeks: binary_crossentropy

Início

---

3. categorical_crossentropy

Calcula a perda de entropia cruzada entre os rótulos verdadeiros e os rótulos previstos codificados por meio de one-hot. Indicada para aplicações de classificação binária em multi-class. O modelo utiliza uma camada "softmax".
Tem associada a class CategoricalCrossentropy.
Bibliografia:

• Geeks-for-geeks: categorical-cross-entropy

Início

---

4. sparse_categorical_crossentropy

Idêntico a categorical_crossentropy mas mais eficiente. Não usa o mecanismo "one-hot" mas directamente os índice.
Tem associada a class SparseCategoricalCrossentropy.
Bibliografia:

• TensorFlow: sparse_categorical_crossentropy
• Geeks-for-geeks: sparse_categorical_crossentropy

Início

---

5. mean_squared_error

Usa o método dos mínimos quadrados entre as etiquetas e as previsões.
Tem associada a class MeanSquaredError.
Bibliografia:

• Keras: mean_squared_error

Início

---

6. mean_absolute_error

Calcula a média das diferenças absolutas entre as etiquetas e as previsões.
Tem associada a class MeanAbsoluteError.
Bibliografia:

• Keras: mean_squared_error
• Geeks-for-geeks: MeanAbsoluteError

Início

---

7. mean_squared_logarithmic_error

Calcula o logarítmico quadrático médio entre as etiquetas e as previsões.
Tem associada a class MeanSquaredLogarithmicError.
Bibliografia:

• Keras: mean_squared_error

Início

---

8. hinge

É utilizada como função de perda para treino de máquinas de vetores de suporte. Ela penaliza previsões incorrectas (ou insuficientes) em classificações binárias.
Tem associada a class SquaredHinge.
Bibliografia:

• Keras: hinge-function
• Geeks-for-geeks: Hinge-loss & Relationship with Support Vector Machines

Início

---

9.

Início

---

10. Links úteis

• Keras: losses
• TensorFlow: Losses
• Geeks-for-geeks: Loss Function

Início

---