MCDMMulti-label Metric
Απώλεια Hamming
Η απώλεια Hamming μετρά το κλάσμα των ετικετών που προβλέπονται εσφαλμένα στην πολυετικετική ταξινόμηση. Μετρά τον αριθμό των σφαλμάτων ετικετών διαιρούμενο με τον συνολικό αριθμό των ετικετών, παρέχοντας μια απλή μετρική για πολυετικετικά προβλήματα.
Διαβάστε ολόκληρη τη μέθοδο
Μόνο για μέλη
ΣύνδεσηΣυνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/el/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.
- Δείκτης JaccardΑξιολόγηση Μοντέλων↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →