Какие метрики используешь для Loss

Для задач классификации:

• Бинарная: Binary Cross-Entropy (BCE)
• Мультикласс: Categorical Cross-Entropy
• Несбалансированные классы: Focal Loss (уменьшает вес легко классифицируемых примеров)

Для регрессии:

• MSE (L2) - чувствительна к выбросам
• MAE (L1) - менее чувствительна
• Huber Loss - комбинация L1/L2

Пример BCE в PyTorch:

loss_fn = nn.BCEWithLogitsLoss()
loss = loss_fn(predictions, targets)

Для ранжирования:

• Triplet Loss
• Contrastive Loss

Выбор зависит от задачи, данных и желаемых свойств модели (устойчивость к выбросам, сходимость и т.д.). Всегда стоит экспериментировать с разными функциями потерь.