পদ্ধতির তুলনা করুন

	লগ-লস (ক্রস-এন্ট্রপি লস)	গড় পরম ত্রুটি (MAE)
ক্ষেত্র	মডেল মূল্যায়ন	মডেল মূল্যায়ন
পরিবার	MCDM	MCDM
উদ্ভবের বছর	1990s	1799
প্রবর্তক	Information theory and machine learning literature	Pierre-Simon Laplace
ধরন	Loss function	Robust distance-based metric
মৌলিক উৎস	Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.	Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat.
অপর নাম	Cross-Entropy Loss, Logloss	MAE, L1 error, mean absolute deviation
সম্পর্কিত	3	3
সারসংক্ষেপ	Log-loss measures the difference between predicted probabilities and actual labels, penalizing confident wrong predictions more than uncertain ones. It is a standard loss function in machine learning optimization and evaluates probabilistic classifier calibration.	Mean Absolute Error is a robust metric that measures the average absolute magnitude of prediction errors in regression models. Dating back to Pierre-Simon Laplace's work on observational errors (1799), MAE quantifies typical prediction deviation by averaging the absolute differences between observed and predicted values.