Pèrdua logarítmica (Pèrdua d'entropia creuada)
La pèrdua logarítmica mesura la diferència entre les probabilitats predites i les etiquetes reals, penalitzant més les prediccions errònies confiades que les incertes. És una funció de pèrdua estàndard en l'optimització d'aprenentatge automàtic i avalua la calibració de classificadors probabilístics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/ca/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.
- ExactitudAvaluació de models↔ compare
- Puntuació de BrierAvaluació de models↔ compare
- Puntuació F1Avaluació de models↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →