ガイド
AI用語辞典インフラ・学習
損失関数 (Loss Function)
読み: そんしつかんすう
最終更新: 2026-09-01・AI PICKS編集部
定義
損失関数とは、機械学習モデルの予測値と正解値とのズレの大きさを数値で表す関数のことで、学習の過程ではこの値が小さくなるようパラメータが調整されていく。
損失関数 (Loss Function)とは — 詳しく解説
損失関数(Loss Function)は、モデルの予測値と正解データとの誤差を定量化する関数で、教師あり学習における最適化の基準になる。回帰タスクでは平均二乗誤差、分類タスクでは交差エントロピー誤差が広く採用され、勾配降下法などの最適化アルゴリズムはこの値を最小化する方向にパラメータを更新してモデルを学習させる。2026年時点の実運用では、タスクの性質に合わない損失関数を選んだために学習が停滞したり、外れ値や不均衡データの影響で精度が伸び悩んだりするケースが多いとされ、重み付けやロバスト損失への調整が現場では定石になりつつある。GPU利用のコストを抑えつつ損失を安定して収束させる設計が重視され、損失曲線を可視化して学習の健全性を監視する運用が一般的になっている。
損失関数 (Loss Function)の使用例
- 画像分類モデルの学習でクロスエントロピー損失を採用し、損失曲線がなだらかに下降しているかを毎エポック確認する。
- 回帰モデルの評価で平均二乗誤差(損失関数の一種)を指標にハイパーパラメータをチューニングする。
損失関数 (Loss Function)に関連するAIツール
損失関数 (Loss Function)の関連記事
関連用語
「インフラ・学習」の他の用語
ファインチューニング
既存の AI モデルを 自社データで追加学習させて 専門特化させる方法。
機械学習
データから法則を自動学習させる AI 技術の総称。 ディープラーニングや LLM もここに含まれる。
ディープラーニング
ニューラルネットワークを多層化した機械学習手法。 LLM / 画像認識 / 音声認識 の基盤技術。
Transformer
Self-Attention 機構を中核とするニューラルネット構造。 LLM / 画像 / 音声 すべての基盤。
Attention 機構
入力系列のどこに注目すべきかを 動的に重み付けする仕組み。 Transformer の中核。
LoRA (Low-Rank Adaptation)
LoRAとは、大規模モデルの重みを凍結したまま低ランク行列ペアを追加挿入することで、全パラメータの1%以下の計算コストで特定ドメインへの適応を実現するファインチューニング手法のこと。
用語がわかったら、次はツール選び
12カテゴリ・1618語以上を体系的に整理しています