損失関数とは？
読み方: ソンシツカンスウ
30秒まとめ
AIモデルの予測がどれだけ正解からずれているかを数値で表す関数。学習の道しるべ。
損失関数の意味・定義
損失関数（Loss Function、ロス関数）は、AIモデルの予測値と実際の正解値とのずれ（誤差）を数値化する関数です。AIモデルの学習は、この損失関数の値を最小化することを目標として進みます。いわば、モデルが「どれだけ間違えているか」を測る成績表のような役割を果たします。 代表的な損失関数には、回帰タスク用のMSE（平均二乗誤差）やMAE（平均絶対誤差）、分類タスク用のクロスエントロピー損失（Cross-Entropy Loss）などがあります。損失関数の選択はモデルの学習結果に大きな影響を与えるため、解きたいタスクの性質に合った適切な関数を選ぶことが重要です。勾配降下法（Gradient Descent）を使って損失関数の値が最も小さくなるようにモデルのパラメータを調整していきます。損失関数の値が下がれば、モデルの予測精度が向上していることを意味します。