MCDMProbabilistic Loss Metric
Perda Logarítmica (Entropia Cruzada)
A perda logarítmica mede a diferença entre as probabilidades previstas e os rótulos reais, penalizando previsões erradas e confiantes mais do que as incertas. É uma função de perda padrão na otimização de aprendizado de máquina e avalia a calibração de classificadores probabilísticos.
Leia o método completo
Exclusivo para membros
EntrarEntre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/pt/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.
- AcuráciaAvaliação de modelos↔ compare
- Score de BrierAvaliação de modelos↔ compare
- F1-ScoreAvaliação de modelos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →