# chain function

dannialism

손실 함수(Loss function) 출력층에서 사용되는 함수로서 출력된 결과값과 실제값의 차이를 계산해줍니다. 손실 함수의 목적은 손실의 정도를 파악하고 줄이기 위해 사용할 수 있는 기준을 정하는데 있습니다. 이 기준을 가지고 편미분과 체인 함수를 통해 가중치를 재조정하며 성능을 개선합니다. 따라서 손실 함수는 학습 결과를 판정할 수 있는 도구이기 때문에 매우 중요합니다. Binary Crossentropy : 이진분류(0,1)를 예측한 확률값을 실제값(0,1)과 비교하여 얻어낸 차이값에 대하여 패널티를 주는 함수입니다. Categorical Crossentropy : 실제값이 one-hot encoder 로 인코딩된 값을 다룰 때 사용합니다. 이진분류이지만 3개 이상의 클래스를 예측해야할 때 사용됩니다. Sparse Categorical Crossentropy: 다중 분류에 사용되지만 정수로 여러 그룹[0,1,2,3] 으로 분류된 정보를