MCDMMulti-label Metric
Pèrdua de Hamming
La pèrdua de Hamming mesura la fracció d'etiquetes que s'han predit incorrectament en la classificació multietiqueta. Compta el nombre d'errors d'etiqueta dividit pel nombre total d'etiquetes, proporcionant una mètrica senzilla per a problemes multietiqueta.
Llegeix el mètode complet
Només per a membres
Inicia la sessióInicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/ca/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.
- Índex de JaccardAvaluació de models↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →