เปรียบเทียบวิธี

	ลอส-ลอส (ครอสเอนโทรปี ลอส)	ความแม่นยำ
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	1990s	20th century
ผู้ริเริ่ม	Information theory and machine learning literature	Historical statistical foundations
ประเภท	Loss function	Evaluation metric
แหล่งต้นตำรับ	Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.	Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874.
ชื่อเรียกอื่น	Cross-Entropy Loss, Logloss	Overall Accuracy, Correct Classification Rate
ที่เกี่ยวข้อง	3	5
สรุป	Log-loss measures the difference between predicted probabilities and actual labels, penalizing confident wrong predictions more than uncertain ones. It is a standard loss function in machine learning optimization and evaluates probabilistic classifier calibration.	Accuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures how often the classifier makes correct predictions overall, regardless of class.