MCDMProbabilistic Loss Metric
Log-Loss (Pierdere de Entropie Încrucișată)
Log-loss măsoară diferența dintre probabilitățile prezise și etichetele reale, penalizând predicțiile greșite încrezătoare mai mult decât pe cele incerte. Este o funcție de pierdere standard în optimizarea învățării automate și evaluează calibrarea clasificatorilor probabilistici.
Citește metoda completă
Doar pentru membri
AutentificareAutentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/ro/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.
- AcuratețeEvaluarea modelelor↔ compare
- Scorul BrierEvaluarea modelelor↔ compare
- Scorul F1Evaluarea modelelor↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →