Pérdida Logarítmica (Entropía Cruzada)
La pérdida logarítmica mide la diferencia entre las probabilidades predichas y las etiquetas reales, penalizando más las predicciones erróneas seguras que las inciertas. Es una función de pérdida estándar en la optimización de aprendizaje automático y evalúa la calibración de clasificadores probabilísticos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/es/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.
- ExactitudEvaluación de modelos↔ compare
- Puntuación de BrierEvaluación de modelos↔ compare
- Puntuación F1Evaluación de modelos↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →