MCDMProbabilistic Loss Metric
Log-Loss (Rist-entroopia kaotus)
Log-loss mõõdab ennustatud tõenäosuste ja tegelike siltide vahelist erinevust, karistades enesekindlaid valesid ennustusi rohkem kui ebakindlaid. See on masinõppes standardne kaotusfunktsioon optimeerimisel ja hindab tõenäosusklassifitseerijate kalibreerimist.
Loe meetodi täielikku kirjeldust
Ainult liikmetele
Logi sisseSelle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/et/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.
- TäpsusMudelite hindamine↔ compare
- Briieri skoorMudelite hindamine↔ compare
- F1-hinneMudelite hindamine↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →