손실 함수(Loss Function)란?

손실 함수는 모델이 얼마나 틀렸는지를 숫자로 표현하는 함수입니다.

시험 점수로 이해하기

학생: 시험 봄 → 100점 만점에 85점
      틀린 점수: 15점 ← 이게 "손실"

학생이 100점을 받으면 손실은 0이고, 0점을 받으면 손실이 100점입니다.

머신러닝에서의 손실

실제 가격: 5억
모델 예측: 4억 5천만
오차:      5천만원   ← 손실

모델은 이 손실을 최소화하도록 학습합니다.

손실 함수의 종류

MSE 예시 (Mean Squared Error)

실제: [100, 200, 300]
예측: [110, 190, 320]

각 오차 제곱: 100, 100, 400
평균:        200    ← 이것이 MSE 손실

학습 = 손실을 줄이는 과정

초기:  손실 = 1000  (예측이 엉망)
학습 중: 손실 = 500
계속:    손실 = 100
완료:    손실 = 5    (예측이 정확해짐)

모델은 "손실이 작아지는 방향"으로 가중치(w)와 편향(b)을 조정해 나갑니다.

왜 손실 함수가 필요한가?

손실 함수가 없으면 "잘하고 있는지" 측정할 수 없습니다.

시험 점수가 없으면? → 공부 잘하는지 모름
손실 함수가 없으면? → 모델이 잘 학습하는지 모름

💡 핵심: 손실 함수는 모델의 "틀림"을 숫자화한 것이며, 학습은 이 숫자를 최소화하는 과정입니다.