Fonction de perte et fonction de coût

[océlia]

Bonjour j’ai du mal à comprendre la différence entre fonction de perte et fonction de coût .. et aussi pourquoi le prof dit que le scaling permet de minimiser la fonction de coût et que la descente de gradient permet de minimiser la fonction de perte .
Merci

[BloodyMary]

Salut !

Globalement, les termes "fonction de coût" et "fonction de perte" sont plus ou moins synonymes. Dans le cours, le prof ne fait pas vraiment de distinction.

Généralement, la fonction de perte est une fonction qui mesure la pénalité, c'est un terme un petit peu plus spécifique que la fonction de coût, qui est souvent un terme + général donc. (Par exemple, une fonction de coût peut être composée de fonctions de pertes, et d'autres modélisations mathématiques.)

En Machine Learning, la fonction de coût est utilisée pour déterminer la meilleure approximation linéaire des données disponibles (avec toujours Y en fonction de X) : pour ça on cherche un minimum de la fonction de coût, qui correspondra à une erreur minimale et donc à la meilleure approximation.
Donc globalement, la fonction de coût représente la différence entre ce qu’on a obtenu et ce qu’on souhaite obtenir comme résultat, et le prof la désigne également volontiers comme la fonction de perte.

C'est mieux ? N'hésite pas si tu as d'autres questions !

Bon courage

[océlia]

Oui c’est bon c’est plus clair .. merci