Cost Function   비용 함수

(2022-10-03)

1. 비용 함수 (Cost Function) (최적화 문제에서는, `목적 함수`라고 함)추정치를 얻는 방법의 성능 척도
     - 즉, 추정의 정확성을 정량화하기 위한 척도
        . 만일, 비용 함수 C(e)를 최소화하면, 최적의 추정치를 구할 수 있음

  ㅇ 비용 함수 C(e)의 정의 例)
     - `제곱 오차`를 하나의 비용 함수화하면, → C1(e) = e2
     - `오차절대값`을 하나의 비용 함수화하면, → C2(e) = |e|
     - `평균제곱오차`을 하나의 비용 함수화하면, → C3(e) = E[e2] = E[(X - X̂)2] = eMSE


2. 비용 함수의 응용 例)최적화 문제의 경우에, 
     - 목적 함수(즉,비용 함수)를 최소/최대화시키는,
     - 그러한 결정 변수(파라미터)를 찾고,
     - 그것을 곧바로 최적 해로 취하거나, 
     - 이를통해 선택 가설별로 분류하기도 함

  ㅇ 통신 상의 송신,수신 2진 심볼 판정 문제의 경우에,
     - 전체 비용  
          
[# R = \quad C_{11}P(H_1)P(\text{choose }H_1 / H_1\text{ is true}) \\ \quad\quad + C_{21}P(H_1)P(\text{choose }H_2 / H_1\text{ is true}) \\ \quad\quad + C_{22}P(H_2)P(\text{choose }H_1 / H_2\text{ is true}) \\ \quad\quad + C_{12}P(H_2)P(\text{choose }H_2 / H_2\text{ is true}) #]
. {#C_{ij}#} : j 심볼(j 가설)이 참일 때, i 심볼(i 가설)을 취하면, 입게되는 손실 비용 함수 . {#P(H_1),P(H_2)#} : 사전 확률 . {#P(\text{choose }H_i / H_j\text{ is true})#} : 조건부 확률 .. 가설 {#H_i#}을 취할 때, 가설 {#H_j#}이 참일 경우의 조건부 확률



Copyrightⓒ written by 차재복 (Cha Jae Bok)
"본 웹사이트 내 모든 저작물은 원출처를 밝히는 한 자유롭게 사용(상업화포함) 가능합니다"