📜  毫升 |对数损失和均方误差

📅  最后修改于: 2022-05-13 01:55:08.055000             🧑  作者: Mango

毫升 |对数损失和均方误差

日志丢失

是检验分类模型性能的评价指标。它测量预测概率与实际标签的差异量。因此对数损失值越小,模型越完善。对于一个完美的模型,对数损失值 = 0。例如,由于准确度是正确预测的计数,即与实际标签匹配的预测,所以对数损失值是我们预测标签的不确定性的度量,基于它与实际标签。

where, 
N  : no. of samples.
M  : no. of attributes.
yij : indicates whether ith sample belongs to jth class or not.
pij : indicates probability of ith sample belonging to jth class.

使用 sklearn 实现 LogLoss
from sklearn.metrics import log_loss:
  
LogLoss = log_loss(y_true, y_pred, eps = 1e-15,
    normalize = True, sample_weight = None, labels = None)

均方误差

它只是原始值和预测值之差的平方的平均值。

使用 sklearn 实现均方误差

from sklearn.metrics import mean_squared_error
  
MSE = mean_squared_error(y_true, y_pred)