MCDMProbabilistic Loss Metric
Log-Loss (křížová entropie)
Log-loss měří rozdíl mezi predikovanými pravděpodobnostmi a skutečnými třídami, přičemž penalizuje sebejisté chybné predikce více než nejisté. Jedná se o standardní ztrátovou funkci v optimalizaci strojového učení a hodnotí kalibraci pravděpodobnostních klasifikátorů.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/cs/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.
- PřesnostHodnocení modelů↔ compare
- Brierovo skóreHodnocení modelů↔ compare
- F1-skóreHodnocení modelů↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →