Choose a default theme

You can change your theme from the menu

손실함수

손실함수는 모델의 출력이 학습 목표와 얼마나 어긋나는지 등을 수치로 표현하는 함수입니다. 학습 알고리즘은 이 값을 줄이는 방향을 찾지만, 손실이 실제 서비스의 모든 목표를 그대로 대변하지는 않습니다.

다른 이름: Loss Function


예측과 목표의 차이를 점수로 만듭니다

손실함수는 모델의 출력이 학습 목표에서 얼마나 벗어났는지 계산하는 규칙입니다. 학습은 이 손실을 줄이는 방향으로 모델을 조정합니다. 어떤 손실을 고르는지는 무엇을 중요하게 여기는지와 관련됩니다.

수량 예측에서 오차의 절댓값을 쓰면 8과 10의 차이는 2입니다. 제곱하면 손실은 4입니다. 오차가 5인 예에서는 절댓값 5, 제곱값 25가 되어 큰 오차를 더 강하게 반영합니다.


여러 사례의 손실을 모읍니다

모델은 한 사례만 잘 맞히는 것이 목적이 아닙니다. 여러 사례의 손실을 합하거나 평균내 학습합니다. 예측이 8·12이고 목표가 10·10이면 제곱오차는 각각 4이고 평균도 4입니다.

어떤 사례에 더 큰 비중을 줄지, 잘못된 자료가 섞였는지에 따라 학습이 달라질 수 있습니다. 손실 숫자를 줄였다고 실제 업무의 모든 목표를 달성한 것은 아닙니다.


학습 손실과 최종 평가 지표는 다를 수 있습니다

분류에서는 정답 후보에 얼마나 높은 확률을 줬는지 반영하는 손실을 사용할 수 있습니다. 단순 정답률보다 모델을 조금 바꿨을 때의 차이를 학습하기 좋은 경우가 있습니다.

운영에서는 손실뿐 아니라 정확도, 누락된 불량 수, 응답 시간 등을 함께 평가합니다. 손실함수는 좋은 학습 신호를 만드는 도구이지 서비스 품질 전체를 대신하는 점수판은 아닙니다.


예시와 비교

예측 / 목표

절대오차

제곱오차

8 / 10

2

4

5 / 10

5

25

10 / 10

0

0



주의할 해석

서로 다른 손실함수의 숫자는 직접 비교할 수 없습니다. 0.2라는 값도 계산 방식과 자료 조건을 알아야 해석할 수 있습니다.


추가 설명

크로스엔트로피는 정답에 할당한 확률과 관련된 손실입니다. 실제 계산은 수치적으로 안정적인 방식으로 구현하며, 손실의 목적과 확률의 해석을 구분합니다.



출처와 더 읽을 자료

Google — Loss — 손실의 의미와 오차 측정 · 확인 2026-10-29

Google — Accuracy, recall, precision, and related metrics — 분류 평가 지표 · 확인 2026-10-29