Loss Function (Verlustfunktion)

Eine Loss Function ist eine mathematische Funktion, die den Fehler eines KI-Modells misst – wie stark die Vorhersagen des Modells von den tatsächlichen Werten abweichen. Das Ziel des Trainings ist die Minimierung dieses Fehlers durch Anpassung der Modellparameter.

Arten: Mean Squared Error (MSE) für Regression, Cross-Entropy Loss für Klassifikation, Hinge Loss für SVMs, Huber Loss (robust gegen Ausreißer), benutzerdefinierte Loss Functions. Die Wahl der richtigen Loss Function ist entscheidend für die Modellleistung.

Zusammenspiel: Loss Function berechnet Fehler → Gradient Descent berechnet die Richtung zur Fehlerminimierung → Backpropagation aktualisiert die Gewichte. Die Loss Function ist das zentrale Feedback-Signal im Trainingsprozess neuronaler Netzwerke.