MCDMMulti-label Metric
हैमिंग लॉस (Hamming Loss)
हैमिंग लॉस बहु-लेबल वर्गीकरण में गलत अनुमानित लेबल के अंश को मापता है। यह लेबल की गलतियों की संख्या को कुल लेबल की संख्या से विभाजित करके गिनता है, जो बहु-लेबल समस्याओं के लिए एक सरल मीट्रिक प्रदान करता है।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/hi/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.
- जैकर्ड इंडेक्समॉडल मूल्यांकन↔ compare