📊 𝑳𝒐𝒔𝒔 𝑭𝒖𝒏𝒄𝒕𝒊𝒐𝒏𝒔 𝒆𝒏 𝑴𝒂𝒄𝒉𝒊𝒏𝒆 𝑳𝒆𝒂𝒓𝒏𝒊𝒏𝒈 : 𝒄𝒐𝒎𝒑𝒓𝒆𝒏𝒅𝒓𝒆 𝒄𝒆 𝒒𝒖𝒆 𝒍𝒆 𝒎𝒐𝒅𝒆̀𝒍𝒆 𝒄𝒉𝒆𝒓𝒄𝒉𝒆 𝒂̀ 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒆𝒓
.png)
En 𝑴𝒂𝒄𝒉𝒊𝒏𝒆 𝑳𝒆𝒂𝒓𝒏𝒊𝒏𝒈 , une bonne prédiction ne suffit pas. Il faut aussi mesurer à quel point le modèle se trompe . C’est exactement le rôle des 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏𝒔 𝒅𝒆 𝒑𝒆𝒓𝒕𝒆 , encore appelées 𝑳𝒐𝒔𝒔 𝑭𝒖𝒏𝒄𝒕𝒊𝒐𝒏𝒔 . 👉 Une fonction de perte quantifie l’écart entre la 𝒑𝒓𝒆 ́ 𝒅𝒊𝒄𝒕𝒊𝒐𝒏 du modèle et la 𝒗𝒂𝒍𝒆𝒖𝒓 𝒓𝒆 ́ 𝒆𝒍𝒍𝒆 . Plus cette perte est faible, plus le modèle apprend correctement. Pensez à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 et à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 . 📌 𝑨 ̀ 𝒓𝒆𝒕𝒆𝒏𝒊𝒓 : 𝑬𝒏𝒕𝒓𝒂𝒊 ̂ 𝒏𝒆𝒓 𝒖𝒏 𝒎𝒐𝒅𝒆 ̀ 𝒍𝒆 , 𝒄 ’ 𝒆𝒔𝒕 𝒔𝒖𝒓𝒕𝒐𝒖𝒕 𝒄𝒉𝒆𝒓𝒄𝒉𝒆𝒓 𝒂 ̀ 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒆𝒓 𝒖𝒏𝒆 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒑𝒆𝒓𝒕𝒆 . 🔹 𝑳𝒆𝒔 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒍𝒆𝒔 𝒍𝒐𝒔𝒔 𝒇𝒖𝒏𝒄𝒕𝒊𝒐𝒏𝒔 𝒆𝒏 𝒓𝒆 ́ 𝒈𝒓𝒆𝒔𝒔𝒊𝒐𝒏 Lorsque la cible est 𝒒𝒖𝒂𝒏𝒕𝒊𝒕𝒂𝒕𝒊𝒗𝒆 , on utilise souvent : ✅ 𝑴𝑺𝑬 – Mean Squared Error Elle pénalise fortement les grandes erreurs. Très utilisée en régression. ✅ 𝑴𝑨𝑬 – Mean Abso...
.png)