LogLoss Classe

Définition

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

Héritage

Object

LogLoss

Implémente

IClassificationLoss ILossFunction<Single,Single> IScalarLoss ISupportSdcaClassificationLoss ISupportSdcaLoss

Remarques

La fonction De perte de journal est définie comme suit :

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

où $\hat{y}$ est le score prédit, $p(\hat{y})$ est la probabilité d’appartenir à la classe positive en appliquant une fonction sigmoid au score, et $y \in \{0, 1\}$ est l’étiquette true.

Notez que les étiquettes utilisées dans ce calcul sont 0 et 1, contrairement à la perte de charnière et à la perte exponentielle, où les étiquettes utilisées sont -1 et 1.

La fonction De perte de journal fournit une mesure de la façon dont certaines prédictions d’un classifieur sont, au lieu de mesurer simplement la façon dont elles sont correctes . Par exemple, une probabilité prédite de 0,80 pour une étiquette réelle de 1 est pénalisé plus qu’une probabilité prédite de 0,99.

Constructeurs

Méthodes

S’applique à