Rekod bukti kaedah
Log-Loss (Cross-Entropy Loss)
Log-loss measures the difference between predicted probabilities and actual labels, penalizing confident wrong predictions more than uncertain ones. It is a standard loss function in machine learning optimization and evaluates probabilistic classifier calibration.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
Logarithmic Loss (Log Loss)
Rekod kaedah taksonomik · mcdm / model-evaluation
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. · URL
- Bishop, C. M. (1995). Neural Networks for Pattern Recognition. Oxford University Press. · DOI 10.1093/oso/9780198538493.001.0001
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Tiada tuntutan terkurasi lagi
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.