Loss Function
Modelin tahminleri ile gerçek değerler arasındaki farkı ölçen fonksiyon.
Kayıp fonksiyonu, bir modelin ürettiği tahminler ile gerçek, doğru değerler arasındaki farkı tek bir sayısal değere indirgeyen ve eğitim boyunca minimize edilmeye çalışılan hedef fonksiyondur. Regresyon problemlerinde genellikle ortalama kare hata, sınıflandırma problemlerinde ise çapraz entropi kaybı tercih edilir; seçilen fonksiyon, modelin hangi tür hatalara daha duyarlı olacağını doğrudan etkiler. Eğitim sürecinde optimizasyon algoritmaları (örneğin gradyan inişi), kayıp değerini adım adım azaltacak yönde ağırlıkları günceller ve bu süreç kayıp değeri kabul edilebilir bir seviyeye inene ya da iyileşme durana kadar tekrarlanır. Yanlış seçilmiş bir kayıp fonksiyonu, modelin yanlış hedefe optimize olmasına yol açabilir.