MCDMProbabilistic Loss Metric
Log-Loss (krustentropijas zudums)
Log-loss mēra atšķirību starp prognozētajām varbūtībām un faktiskajām atzīmēm, sodot pārliecinātas nepareizas prognozes vairāk nekā nenoteiktas. Tā ir standarta zuduma funkcija mašīnmācīšanās optimizācijā un novērtē probabilistisko klasifikatoru kalibrēšanu.
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/lv/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.
- PrecizitāteModeļu novērtēšana↔ compare
- Briera rādītājsModeļu novērtēšana↔ compare
- F1-novērtējumsModeļu novērtēšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →