仕組み最終確認 2026.11.06
Loss Function
損失関数そんしつかんすう
AIの予測と正解がどれくらい違うかを数値にし、学習で何を小さくするかを決める計算方法です。
MEANING
もう少し詳しく
学習中のモデルは予測を出し、損失関数で正解との差を計算します。通常は、この損失が小さくなるようにパラメーターを調整します。Googleは、良い予測には低い損失、悪い予測には高い損失を返す関数と説明しており、回帰や分類など目的に合う種類を選ぶ必要があります。
EXAMPLE
身近な例
住宅価格を予測するモデルで、実際の価格と予測価格の差を損失として計算し、その値が小さくなるよう学習を繰り返します。
MISUNDERSTANDING
よくある勘違い
損失が小さければ、実際の利用でも必ず良いAIとは限りません。学習データだけへ合わせすぎると、新しいデータでは性能が下がることがあります。また、利用者向けの評価指標と同じものとは限りません。
KEY POINT
覚えておくこと
何を間違いとして数え、どの損失関数を小さくしているかを見ると、モデルが学習で重視していることを理解しやすくなります。
SOURCE
確認した公式情報
コラボットが公式資料を確認し、初心者向けの表現へ整理しています。製品仕様や提供条件は変更される場合があります。
Google for Developers・Machine Learning Glossary: Metrics ↗確認日:2026.11.06