MCDMProbabilistic Loss Metric
Log-Loss (Kereszt-Entrópia Vesztesség)
A log-loss a prediktált valószínűségek és a tényleges címkék közötti különbséget méri, a magabiztosan téves előrejelzéseket jobban bünteti, mint a bizonytalanokat. Ez egy standard veszteségfüggvény a gépi tanulási optimalizálásban, és a probabilisztikus osztályozók kalibrációját értékeli.
A teljes módszer elolvasása
Csak tagoknak
BejelentkezésJelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/hu/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.
- Pontosság (Accuracy)Modellértékelés↔ compare
- Brier-számModellértékelés↔ compare
- F1-pontszámModellértékelés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →