土台
損失関数とは？意味・仕組みをわかりやすく解説
そんしつかんすう / Loss Function ／ 最終更新日：2026年7月7日
30秒でわかる定義
損失関数とは、モデルの予測と正解との「ずれ（誤差）」を数値で表す関数です。学習では、この損失が小さくなるようにパラメータを調整します。タスクに応じて適切な損失関数を選ぶことが、モデルを正しく学習させる前提になります。
仕組み・基本の流れ
- 1予測値と正解の差を損失関数で計算する
- 2損失が小さくなる方向（勾配）を求める
- 3勾配降下法などでパラメータを更新し、損失を減らしていく
- 4タスクに応じて損失関数を選ぶ（回帰＝平均二乗誤差MSE、分類＝交差エントロピー誤差 等）
実務でのポイント：回帰では平均二乗誤差（MSE）・平均絶対誤差（MAE）、分類では交差エントロピー誤差がよく使われます。損失関数はモデルが「何を最小化して学ぶか」を定義するため、目的に合った選択が重要です。評価指標（適合率・再現率等）とは別物です。
関連する用語
このスキルを活かせる職種と年収は？
損失関数の選択・設計（不均衡データ向けの重み付け等）は、モデルを目的に沿って学習させるML実務の基礎です。なぜその損失を使うか説明できることが問われます。
よくある質問
Q. 損失関数と評価指標は何が違いますか？
A. 損失関数は学習中にモデルが最小化する対象（微分できる必要がある）、評価指標は人間がモデルの良し悪しを測るものさし（適合率・再現率等）です。学習は損失で行い、成果は評価指標で判断します。
Q. 分類でよく使う損失関数は？
A. 交差エントロピー誤差（クロスエントロピー）が一般的です。二値分類ではバイナリクロスエントロピー、多クラス分類ではカテゴリカルクロスエントロピーを使います。