MCDMMulti-label Metric
Hamming-häviö
Hamming-häviö mittaa virheellisesti ennustettujen tunnisteiden osuutta monimerkintäluokittelussa. Se laskee virheellisten tunnisteiden määrän jaettuna kaikkien tunnisteiden kokonaismäärällä, tarjoten yksinkertaisen mittarin monimerkintäongelmiin.
Lue koko menetelmä
Vain jäsenille
Kirjaudu sisäänKirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/fi/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.
- Jaccard-indeksiMallien arviointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →