MCDMMulti-label Metric
แฮมมิง ลอส
แฮมมิง ลอส (Hamming Loss) เป็นการวัดสัดส่วนของป้ายกำกับ (labels) ที่ทำนายผิดพลาดในการจำแนกประเภทแบบหลายป้ายกำกับ (multi-label classification) โดยนับจำนวนข้อผิดพลาดของป้ายกำกับหารด้วยจำนวนป้ายกำกับทั้งหมด ซึ่งเป็นตัวชี้วัดที่เรียบง่ายสำหรับปัญหาแบบหลายป้ายกำกับ
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Hamming Loss (Multi-label Classification). ScholarGate. https://scholargate.app/th/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.
- ดัชนี Jaccardการประเมินแบบจำลอง↔ compare