MCDMProbabilistic Loss Metric
로그 손실(교차 엔트로피 손실)
로그 손실은 예측 확률과 실제 레이블 간의 차이를 측정하며, 불확실한 예측보다 확신에 찬 잘못된 예측에 더 큰 페널티를 부과합니다. 이는 머신러닝 최적화에서 표준 손실 함수이며 확률론적 분류기의 보정을 평가합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →