MCDMMulti-label Metric
Hamming Loss
Hamming loss mäter andelen felaktigt predikterade etiketter i multietikettklassificering. Den räknar antalet etikettfel dividerat med det totala antalet etiketter, vilket ger ett enkelt mått för multietikettproblem.
Läs hela metoden
Endast för medlemmar
Logga inLogga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/sv/model-evaluation/hamming-loss
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Jaccard-indexModellutvärdering↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →