Loss Function (Función de Pérdida)

Se refiere a una métrica utilizada para evaluar qué tan bien un modelo de machine learning realiza su tarea objetivo comparando sus predicciones con los resultados reales.

Sirve como guía para el proceso de entrenamiento, ya que un modelo ajusta sus parámetros para minimizar este valor y así mejorar su precisión.

Existen diferentes tipos de funciones de pérdida, que se eligen según el tipo de problema: regresión, clasificación, entre otros.

Ejemplos comunes son el error cuadrático medio (MSE) para problemas de regresión y la entropía cruzada para problemas de clasificación.

Un valor más bajo en esta función indica una mejor correspondencia entre las predicciones del modelo y los datos esperados.

Es un componente esencial en procesos de optimización como el descenso de gradiente, que ajusta los pesos del modelo en función de esta métrica.