Практические кейсы

До этого момента мы говорили об ошибке и loss-функциях как об абстрактных понятиях. Но их смысл по-настоящему раскрывается только на практике, когда видно, как одно и то же предсказание может быть "плохим" или "хорошим" в зависимости от выбранной функции потерь.

В следующих разделах мы разберём несколько коротких, но показательных кейсов на PHP, которые шаг за шагом связывают формулы с реальными задачами:

• Кейс 1: MSE и цена большого промаха как один выброс может доминировать над всей ошибкой модели

• Кейс 2: Выбор модели через loss-функцию сравнение нескольких моделей на одном наборе данных

• Кейс 3: Log loss и уверенность классификатора почему вероятность важнее бинарного ответа

• Кейс 4: Одинаковая точность – разный log loss когда accuracy вводит в заблуждение

• Кейс 5: Обучение модели как минимизация ошибки поиск параметров через уменьшение loss и минимизация loss на примере PHP-библиотеки