MCDMMulti-label Metric
Загуба на Хаминг
Загубата на Хаминг измерва частта от етикетите, които са неправилно предсказани при много-етикетна класификация. Тя брои броя на грешките в етикетите, разделен на общия брой етикети, предоставяйки проста метрика за много-етикетни проблеми.
Прочетете целия метод
Само за членове
ВходВлезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Schapire, R. E., & Singer, Y. (2000). BoosTexter: A boosting-based system for text categorization. Machine Learning, 39(2-3), 135-168. DOI: 10.1023/A:1007649029923 ↗
- Tsoumakas, G., & Katakis, I. (2007). Multi-label classification: An overview. International Journal of Data Warehousing and Mining, 3(3), 1-13. DOI: 10.4018/jdwm.2007070101 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/bg/model-evaluation/hamming-loss
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Индекс на ЖакарОценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →