Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Лог-втрата (перехресна ентропія)× | Середня абсолютна похибка (MAE)× | |
|---|---|---|
| Галузь | Оцінювання моделей | Оцінювання моделей |
| Родина | MCDM | MCDM |
| Рік появи≠ | 1990s | 1799 |
| Автор методу≠ | Information theory and machine learning literature | Pierre-Simon Laplace |
| Тип≠ | Loss function | Robust distance-based metric |
| Основоположне джерело≠ | Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. link ↗ | Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat. link ↗ |
| Інші назви≠ | Cross-Entropy Loss, Logloss | MAE, L1 error, mean absolute deviation |
| Пов'язані | 3 | 3 |
| 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. | Mean Absolute Error is a robust metric that measures the average absolute magnitude of prediction errors in regression models. Dating back to Pierre-Simon Laplace's work on observational errors (1799), MAE quantifies typical prediction deviation by averaging the absolute differences between observed and predicted values. |
| ScholarGateНабір даних ↗ |
|
|