Публикации по теме 'log-loss'
Метрики производительности для оценки алгоритма машинного обучения
Не все методы оценки модели одинаковы
В машинном обучении у нас есть различные метрики для оценки производительности модели, например точность, матрица неточностей, точность, отзыв, F1-оценка, лог-потери, AUC, распределение ошибок, MAD (медианное абсолютное распределение). Некоторые из них предназначены для классификации, а некоторые - для задачи регрессии. Давайте придерживаться метрик классификации в этой части, а метрики, относящиеся к регрессии, будут в другой части этой статьи...
Понимание метрики потери журналов
Понимание того, как работает метрика потери журналов, и ее создание с нуля
Логарифмические потери (логарифмические потери) в основном штрафуют нашу модель за неопределенность в правильных прогнозах и серьезно наказывают нашу модель за неправильный прогноз.
В этой статье мы поймем, как работает метрика потери журналов, и сами будем кодировать метрику потери журналов с нуля.
Log Loss, как следует из названия, является показателем потерь, а потери - это не то, что нам нужно, поэтому..
Функция потери журнала: метрика измерения ошибок машинного обучения
Выбор способа оценки модели машинного обучения является одним из наиболее важных решений в процессе машинного обучения. Решение должно сбалансировать реальное применение алгоритма, математическое свойство функции оценки и интерпретируемость меры.
Часто мы слышим вопрос, насколько точна ваша модель. Точность — это простая мера, которая говорит нам, какой процент строк мы получили правильно. Однако иногда точность не говорит всей истории.
Рассмотрим случай выявления СПАМ в электронном..
Глубокое погружение в логистическую регрессию: простая, но такая мощная
Глубокое погружение в логистическую регрессию: простая, но такая мощная
This blog is beginner friendly, will start from scratch and cover up to a medium-advance level of intuitive understanding of Logistic Regression.
Blog is divided into 3 parts. Contents of each part are mentioned below.
All the techniques and concepts are explained using first principle technique .
This blog uses various references as well which I have mentioned below.Criticism and doubts are welcome.
Please go..