MCDMProbabilistic Loss Metric
Log-Loss (Gubitak po logaritmu / unakrsna entropija)
Log-loss meri razliku između predviđenih verovatnoća i stvarnih oznaka, kažnjavajući samouverena pogrešna predviđanja više nego neizvesna. To je standardna funkcija gubitka u optimizaciji mašinskog učenja i procenjuje kalibraciju verovatnosnih klasifikatora.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Logarithmic Loss (Log Loss). ScholarGate. https://scholargate.app/sr/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.
- TačnostEvaluacija modela↔ compare
- Brjerova mera (Brier Score)Evaluacija modela↔ compare
- F1-meraEvaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →