MCDMMulti-label Metric
Hamming Loss
Hamming loss měří podíl nesprávně predikovaných popisků (labels) v multi-label klasifikaci. Počítá počet chyb v popiscích dělený celkovým počtem popisků a poskytuje tak jednoduchou metriku pro multi-label problémy.
Přečíst celou metodu
Pouze pro členy
Přihlásit sePro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/cs/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.
- Jaccardův indexHodnocení modelů↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →