PairwiseHingeLoss

1. PairwiseHingeLoss의 수학적 정의

2. 첫 번째 예제: 자세한 계산 과정

입력 데이터:

y_true = [[0., 1., 0., 0.]]
y_pred = [[0.5, 0.8, 0.4, 0.8]]

• y_true: 실제 레이블. 두 번째 항목(인덱스 1)이 관련성이 높고(1), 나머지는 관련성이 낮음(0).
• y_pred: 모델이 예측한 점수. 두 번째 항목(0.8)과 네 번째 항목(0.8)이 가장 높은 점수를 받음.

계산 과정:

결과:

• loss(y_true, y_pred).numpy()는 약 0.7667을 반환합니다.

3. PairwiseHingeLoss의 의미

• 손실이 0에 가까울수록 모델의 예측이 좋습니다.
  • 이는 관련성이 높은 항목의 예측 점수가 관련성이 낮은 항목보다 충분히 높다는 것을 의미합니다.
• 손실이 클수록 모델의 예측이 나쁩니다.
  • 이는 관련성이 높은 항목의 예측 점수가 관련성이 낮은 항목보다 낮거나 충분히 높지 않다는 것을 의미합니다.

4. 주의사항

• PairwiseHingeLoss는 이진 레이블(0 또는 1)을 가정합니다.
• 관련성이 높은 항목과 낮은 항목의 쌍이 없으면 손실은 0이 됩니다.
• reduction=tf.losses.Reduction.NONE을 사용하면 각 쌍의 손실을 개별적으로 반환할 수 있습니다.