MCDMMulti-label Metric
Perte de Hamming
La perte de Hamming mesure la fraction d'étiquettes prédites de manière incorrecte en classification multi-étiquettes. Elle compte le nombre d'erreurs d'étiquettes divisé par le nombre total d'étiquettes, fournissant une métrique simple pour les problèmes multi-étiquettes.
Lire la méthode complète
Réservé aux membres
Se connecterConnectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/fr/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.
- Indice de JaccardÉvaluation de modèles↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →