MCDMProbabilistic Loss Metric
Логарифмическая функция потерь (кросс-энтропия)
Логарифмическая функция потерь измеряет разницу между предсказанными вероятностями и фактическими метками, штрафуя уверенные ошибочные предсказания сильнее, чем неуверенные. Это стандартная функция потерь при оптимизации в машинном обучении, оценивающая калибровку вероятностных классификаторов.
Читать метод полностью
Только для участников
ВойтиВойдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/ru/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 →Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →