LogLoss 类

定义

命名空间:

Microsoft.ML.Trainers

程序集:

Microsoft.ML.Data.dll

包:

Microsoft.ML v3.0.1

日志损失，也称为交叉枚举损失。 它通常用于分类任务。

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

type LogLoss = class
    interface ISupportSdcaClassificationLoss
    interface ISupportSdcaLoss
    interface IScalarLoss
    interface ILossFunction<single, single>
    interface IClassificationLoss

Public NotInheritable Class LogLoss
Implements ILossFunction(Of Single, Single), ISupportSdcaClassificationLoss

继承

Object

LogLoss

实现

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

注解

日志丢失函数定义为：

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

其中 $\hat{y}$ 是预测分数，$p (\hat{y}) $ 是正类的概率 $y，方法是将 sigmoid 函数 应用于分数，而 \{0， 1\}$ 中的 \in \{0， 1\}$ 中的 \in \{ 0， 1\}$ 是真实标签。

请注意，此计算中使用的标签是 0 和 1，与 铰链损失 和 指数损失不同，其中使用的标签为 -1 和 1。

Log Loss 函数提供对 分类 器预测方式的度量值，而不仅仅是测量分类器 预测的正确性 。 例如，如果真实标签为 1 的预测概率为 0.80，则比预测概率为 0.99 的概率进行惩罚。

构造函数

LogLoss()

日志损失，也称为交叉枚举损失。 它通常用于分类任务。

方法

ComputeDualUpdateInvariant(Single)	日志损失，也称为交叉枚举损失。 它通常用于分类任务。
Derivative(Single, Single)	日志损失，也称为交叉枚举损失。 它通常用于分类任务。
DualLoss(Single, Single)	日志损失，也称为交叉枚举损失。 它通常用于分类任务。
DualUpdate(Single, Single, Single, Single, Int32)	日志损失，也称为交叉枚举损失。 它通常用于分类任务。
Loss(Single, Single)	日志损失，也称为交叉枚举损失。 它通常用于分类任务。