Udostępnij za pośrednictwem


CalibratedBinaryClassificationMetrics.LogLoss Właściwość

Definicja

Pobiera log-loss klasyfikatora. Utrata dzienników mierzy wydajność klasyfikatora w odniesieniu do tego, ile przewidywanych prawdopodobieństwa różni się od etykiety prawdziwej klasy. Niższa utrata dzienników wskazuje lepszy model. Idealny model, który przewiduje prawdopodobieństwo 1 dla rzeczywistej klasy, będzie miał stratę dziennika 0.

public double LogLoss { get; }
member this.LogLoss : double
Public ReadOnly Property LogLoss As Double

Wartość właściwości

Uwagi

Metryka utraty dziennika, jest obliczany w następujący sposób: $LogLoss = - \frac{1}{m} \sum{i = 1}^m ln(p_i)$, gdzie m jest liczbą wystąpień w zestawie testowym i $p_i$ jest prawdopodobieństwo zwrócone przez klasyfikator, jeśli wystąpienie należy do klasy 1, i 1 minus prawdopodobieństwo zwrócone przez klasyfikatora, jeśli wystąpienie należy do klasy 0.

Dotyczy