Порівняння методів

	Лог-втрата (перехресна ентропія)	Точність
Галузь	Оцінювання моделей	Оцінювання моделей
Родина	MCDM	MCDM
Рік появи	1990s	20th century
Автор методу	Information theory and machine learning literature	Historical statistical foundations
Тип	Loss function	Evaluation metric
Основоположне джерело	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.
Інші назви	Cross-Entropy Loss, Logloss	Overall Accuracy, Correct Classification Rate
Пов'язані	3	5
Підсумок	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.