Les fonctions de coût
Les fonctions de coûts (cost functions) sont un outil central en science de données, car elles permettent de définir la valeur à optimiser, notamment dans le cas de la descente du gradient. Elles permettent aussi d'évaluer la performance d'un modèle pour la comparer plus facilement à la performance d'autres modèles. Voici, ci-dessous les fonctions de coûts les plus populaires. Chacune à ces avantages et inconvénients.
La légende :
-
ri valeur réelle de i
-
yi valeur prédite de i
-
n nombre de prédictions
Somme du carré des erreurs - Sum of Square of Errors (SSE) :
Somme des carrés des différences entre les valeurs observées et les valeurs prédites.
Erreur moyenne - Mean Error (ME) :
Erreur moyenne au carré – Mean Squared Error (MSE) :
Erreur moyenne au carré – Mean Squared Error (MSE) :
Les quatre fonctions de coût précédentes peuvent être considérées comme ayant une structure assez similaire. Basé pour trois d'entre elles sur la différence carré. Les deux autres fonctions suivantes sont basées sur la valeur absolue de la différence.
Erreur absolue moyenne – Mean Absolute Error (MAE) :
Erreur absolue moyenne – Mean Absolute Error (MAE) :
