Función de pérdidaLoss Function
El número que mide cuánto se aleja la respuesta de la correcta
- La función de pérdida es la regla que resume en un solo número cuánto se aleja la respuesta del modelo de la correcta.
- Entrenar es reducir ese número. De ahí sale qué corregir y cuánto.
- Qué tan grande es la penalización de cada tipo de error decide el resultado. Cambiar ese criterio da un modelo distinto.
- La regla cambia según si la respuesta es un número o una etiqueta. La forma de medir el desajuste no es la misma.
- Una pérdida baja no garantiza un buen resultado. Siempre hay una brecha entre lo que se quiere medir y lo que realmente se mide.
Contenido
1La analogía
Cuando una panadería estrena un horno nuevo, la primera hornada no sale bien. Por eso se coloca el pan de muestra junto al pan del día y se llena una hoja de puntuación: cuánto más oscura salió la corteza, cuánto le falta de cocción por dentro, cuánto le faltó de subir. Cada detalle se anota como penalización y al final se suman todas. Ese número único es la nota de la hornada de hoy. Un 12 es mejor que el 18 de ayer. La siguiente hornada se ajusta para bajar ese número.
Lo que de verdad importa es cómo se armó la hoja. Si solo se castiga fuerte la corteza quemada, van a salir hornadas enteras con el interior crudo. La función de pérdida es esa hoja de puntuación.
2En detalle
Reúne el desajuste en un solo número
Cuando el modelo entrega una respuesta, se la compara con la correcta. La diferencia puede tener varias caras: si el valor salió alto o bajo, en qué parte se desvió. La función de pérdida junta todo ese desajuste con una regla fija y lo convierte en un único número.
Hay una razón para que sea un solo número. Para decidir cuál de dos hornadas es mejor hace falta un valor que se pueda comparar, y solo uno sirve. Si la corteza salió mejor en una y el interior en la otra, no hay forma de decidir qué cambiar después.
Por la misma razón, la penalización de cada dato se promedia sobre todo el lote. La nota de toda la hornada de hoy tiene que salir en un solo número para poder ajustar la de mañana.
El criterio de penalización decide el resultado
El mismo pan puede sacar notas distintas según la hoja. Hay hojas que suman el desajuste tal cual, y hojas que lo elevan al cuadrado antes de sumarlo. Elevarlo al cuadrado hace que un desajuste pequeño casi ni cuente y que uno grande salte a la vista: un solo pan quemado por completo puede pesar más que los otros nueve juntos.
Por eso elegir la hoja no es cuestión de gusto, es una decisión de fondo. Si hay que evitar a toda costa los errores grandes, conviene la que eleva al cuadrado. Si no se quiere que un dato raro y ocasional arrastre todo el resultado, conviene la que suma tal cual.
Trasladado a la panadería: la hoja cambia según lo que más le moleste al cliente. En un barrio que odia el pan quemado, se carga la penalización ahí, y el horno se inclina a dejarlo un poco crudo.
Medir y reducir son cosas distintas
La función de pérdida solo mide. Avisa que la nota es 12, pero no dice hacia qué lado girar la temperatura. Decidir la dirección del ajuste es tarea del paso siguiente: el descenso de gradiente.
Por eso la hoja tiene una condición: un cambio pequeño en la entrada debe producir un cambio pequeño en la nota. Si subir la temperatura un grado hace que la nota salte de golpe, no hay forma de saber hacia dónde girar. Por eso la función de pérdida se construye como una regla suave. Contar cuántos panes salieron bien es cómodo para las personas, pero un cambio pequeño no mueve ese conteo, así que no sirve para entrenar.
El criterio cambia según qué se está acertando
Si la respuesta es un número, se mide la diferencia tal cual: cuántos milímetros le faltaron de subir, por ejemplo. Esa es la hoja que se usa en regresión.
Si la respuesta es una etiqueta, cambia el enfoque. No se mira si acertó o falló, sino cuánta confianza puso. Se pesa cuánto peso le dio a la casilla correcta, y la penalización más alta cae cuando el modelo se equivoca con seguridad. Fallar a medias duele menos que fallar convencido. Así el modelo no solo aprende a acertar, sino a calibrar su propia confianza.
Una pérdida baja no es un buen resultado
La hoja de puntuación es un sustituto hecho por personas. Lo que de verdad se quiere es que al cliente le guste el pan, pero solo se puede medir el color y cuánto subió. Por eso a veces la nota es buena y el sabor apenas aceptable.
Con el modelo pasa igual. La pérdida baja mucho y, al usarlo de verdad, algo no cuadra. A veces solo bajó la penalización en los datos de práctica y se cae con datos nuevos; otras veces ignora por completo alguna cualidad que la hoja nunca incluyó. Por eso se llevan por separado la pérdida que se usa para entrenar y la métrica que revisan las personas, y se miran juntas.
3Con más precisión
La función de pérdida recibe la salida del modelo y el valor objetivo, y devuelve un único número real. Entrenar se convierte en el problema de reducir ese número ajustando los parámetros, y la pista de hacia dónde moverse sale del gradiente. Decidir el movimiento en sí ya no es trabajo de la función de pérdida, sino del descenso de gradiente. Por eso la pérdida casi siempre se construye de forma que admita esa pista de manera suave.
La analogía también tiene sus costuras. La hoja de la panadería la llena una persona mirando, pero la pérdida se calcula sola en cada dato y cientos de miles de casos se promedian de una vez. El pan además se puntúa recién horneado, mientras que en el entrenamiento también se calcula, para los valores intermedios, hacia dónde conviene moverse. Y en la práctica se le suele añadir a la hoja un renglón aparte para evitar que los valores crezcan demasiado; ese renglón no tiene nada que ver con el desajuste frente a la respuesta correcta, pero pesa mucho en el resultado. Por eso conviene pensar en la pérdida de entrenamiento como la distancia a la respuesta correcta más varios criterios añadidos encima.
4Pruébalo
5Malentendidos comunes
Es fácil pensar que la pérdida cuenta cuántas respuestas salieron mal, pero en realidad mide cuánto se desvió cada una. Con el mismo número de errores, el valor cambia según qué tan grande fue el desvío.
Es fácil pensar que una pérdida baja significa un buen modelo, pero en realidad suele bajar solo en los datos de práctica, así que hay que medirla aparte con datos nuevos.
Es fácil pensar que existe una única función de pérdida correcta, pero en realidad es una decisión de diseño que toma una persona según qué le importa medir.
7Resumen en una línea
En resumenLa función de pérdida es la hoja de puntuación que resume en un número cuánto se aleja la respuesta de la correcta, y cómo se arma esa hoja decide en qué va a ser bueno el modelo.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización2026-09-02