MCDMMulti-label Metric
Hamingov gubitak
Hamingov gubitak meri udeo pogrešno predviđenih oznaka u klasifikaciji sa više oznaka. On broji broj grešaka u oznakama podeljen sa ukupnim brojem oznaka, pružajući jednostavnu metriku za probleme sa više oznaka.
Pročitajte celu metodu
Samo za članove
Prijavite sePrijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Schapire, R. E., & Singer, Y. (2000). BoosTexter: A boosting-based system for text categorization. Machine Learning, 39(2-3), 135-168. DOI: 10.1023/A:1007649029923 ↗
- Tsoumakas, G., & Katakis, I. (2007). Multi-label classification: An overview. International Journal of Data Warehousing and Mining, 3(3), 1-13. DOI: 10.4018/jdwm.2007070101 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/sr/model-evaluation/hamming-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.
- Jaccardov indeksEvaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →