MCDMProbabilistic Loss Metric
Лог-загуба (Cross-Entropy Loss)
Лог-загубата измерва разликата между предвидените вероятности и действителните етикети, като наказва уверените грешни прогнози повече от несигурните. Тя е стандартна функция на загуба при оптимизацията в машинното обучение и оценява калибрирането на вероятностните класификатори.
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
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. link ↗
- Bishop, C. M. (1995). Neural Networks for Pattern Recognition. Oxford University Press. DOI: 10.1093/oso/9780198538493.001.0001 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/bg/model-evaluation/log-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.
- ТочностОценка на модели↔ compare
- Бриер скор (Brier Score)Оценка на модели↔ compare
- F1-резултатОценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →