지식 · AI 기초
손실 함수
Loss Function
📂AI 기초⏱읽기 1분📊심화🔗관련 4
손실 함수란?
한 줄 정의
모델의 예측이 정답에서 얼마나 벗어났는지 재는 '오차 측정자'. 학습은 이 값을 줄이는 과정이다.
⚡ 3줄 요약
- 예측과 정답의 오차를 숫자로
- 학습은 이 값을 줄이는 과정
- '채점 기준' 역할
손실 함수는 모델의 예측과 실제 정답의 차이를 하나의 숫자(손실)로 나타냅니다. 손실이 크면 많이 틀린 것, 작으면 잘 맞춘 것입니다. 학습의 목표는 이 손실을 최소로 만드는 것이며, 역전파·경사하강법이 손실을 줄이는 방향으로 모델을 조정합니다.
손실 함수는 '무엇을 잘하는 것으로 볼지'를 정의합니다 — 회귀엔 오차 제곱(MSE), 분류엔 크로스 엔트로피처럼 과제에 맞는 함수를 씁니다. 즉 손실 함수는 모델에게 주는 '채점 기준'이며, 잘못 설정하면 엉뚱한 방향으로 학습합니다. AI 학습의 나침반 역할입니다.
💡 쉽게 말하면
학습의 채점 기준 — 얼마나 틀렸는지 점수로 매겨, 그 점수를 줄이는 쪽으로 배웁니다.
실무에서 왜 중요한가
손실 함수는 학습의 목표를 정의합니다. '무엇을 줄일지'가 곧 모델이 무엇을 잘하게 될지입니다.
유래와 출처
통계학·최적화 이론의 오차 측정 개념에서 왔으며, 신경망 학습의 목적 함수로 자리잡았습니다.
사례로 이해하기
예를 들어, 손실 함수로 학습을 이끈다고 해봅시다.
- 예측 — 모델이 값을 내놓습니다.
- 측정 — 정답과의 차이를 손실로 계산합니다.
- 방향 — 손실을 줄일 조정 방향을 찾습니다.
- 갱신 — 가중치를 그 방향으로 바꿉니다.
- 수렴 — 손실이 작아질 때까지 반복합니다.
관련 용어
역전파신경망이 오차를 거꾸로 되짚어 각 연결의 가중치를 조정하며 '학습'하는 핵심 알고리즘.과적합모델이 학습 데이터를 '너무 외워서' 새 데이터에는 오히려 약해지는 현상. 시험 문제만 달달 외운 학생과 같다.분류와 회귀지도학습의 두 기본 과제. 분류는 '어느 종류인지'(범주)를, 회귀는 '얼마인지'(숫자)를 예측한다.머신러닝 · 딥러닝머신러닝은 데이터로 규칙을 스스로 학습하는 AI의 방법, 딥러닝은 그중 인공신경망을 깊게 쌓아 학습하는 강력한 갈래.
이 용어와 연결된 교육
📚에이전트 AI 실무 입문나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
학습 데이터엔 완벽하지만, 과적합일 수 있습니다. 새 데이터에서의 성능이 진짜 중요합니다.
과제에 따라 다릅니다. 회귀·분류·생성 등 목적에 맞는 손실 함수를 선택합니다.
학습 데이터엔 완벽하지만 과적합일 수 있습니다. 새 데이터 성능이 진짜 중요합니다.
과제에 따라 다릅니다. 회귀·분류·생성 등 목적에 맞는 손실 함수를 선택합니다.