Sto cercando di capire qual è lo scopo della funzione di perdita e non riesco proprio a capirlo.
Quindi, per quanto ho capito, la funzione di perdita è per introdurre un qualche tipo di metrica con cui possiamo misurare il "costo" di una decisione errata.
Quindi supponiamo di avere un set di dati di 30 oggetti, li ho divisi in set di allenamento / test come 20/10. Userò la funzione di perdita 0-1, quindi diciamo che il mio set di etichette di classe è M e la funzione è simile a questa :
Quindi ho creato un modello sui miei dati di allenamento, supponiamo che io stia usando il classificatore Naive Bayes e questo modello ha classificato correttamente 7 oggetti (assegnato loro le etichette di classe corrette) e 3 oggetti sono stati classificati in modo errato.
Quindi la mia funzione di perdita restituirebbe "0" 7 volte e "1" 3 volte - che tipo di informazioni posso ottenere da quello? Che il mio modello ha classificato il 30% degli oggetti in modo errato? O c'è di più?
Se ci sono errori nel mio modo di pensare, mi dispiace molto, sto solo cercando di imparare. Se l'esempio che ho fornito è "troppo astratto", fammi sapere, proverò ad essere più specifico. Se proverai a spiegare il concetto usando un esempio diverso, utilizza la funzione di perdita 0-1.