LogLoss Kelas

Definisi

Ruang nama:

Microsoft.ML.Trainers

Rakitan:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Sumber:

LossFunctions.cs

Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.

C#

public sealed class LogLoss : Microsoft.ML.Trainers.ILossFunction<float,float>, Microsoft.ML.Trainers.ISupportSdcaClassificationLoss

Warisan

Object

LogLoss

Penerapan

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Keterangan

Fungsi Log Loss didefinisikan sebagai:

$L(p(\hat{y}),y)=-yln(\hat{y})-(1-y)ln(1-\hat{y})$

di mana $\hat{y}$ adalah skor yang diprediksi, $p(\hat{y})$ adalah probabilitas milik kelas positif dengan menerapkan fungsi sigmoid ke skor, dan $y\in \{0,1\}$ adalah label yang sebenarnya.

Perhatikan bahwa label yang digunakan dalam perhitungan ini adalah 0 dan 1, tidak seperti Kehilangan Engsel dan Kehilangan Eksponensial, di mana label yang digunakan adalah -1 dan 1.

Fungsi Log Loss memberikan ukuran seberapa tertentu prediksi pengklasifikasi, alih-alih hanya mengukur seberapa benar prediksi tersebut. Misalnya, probabilitas yang diprediksi sebesar 0,80 untuk label 1 sejati akan dikenakan sanksi lebih dari probabilitas yang diprediksi sebesar 0,99.

Konstruktor

LogLoss()

Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.

Metode

ComputeDualUpdateInvariant(Single)	Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.
Derivative(Single, Single)	Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.
DualLoss(Single, Single)	Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.
DualUpdate(Single, Single, Single, Single, Int32)	Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.
Loss(Single, Single)	Log Loss, juga dikenal sebagai Cross Entropy Loss. Ini umumnya digunakan dalam tugas klasifikasi.

Berlaku untuk