Go back to the English version of the documentationLogaritmická ztráta v metrikách kvality Watson OpenScale
Logaritmická ztráta v metrikách kvality Watson OpenScale
Last updated: 15. 6. 2023
Logaritmická ztráta poskytuje střední hodnotu logaritmu, které jsou pravděpodobnosti cílové třídy (důvěryhodnost) ve Watson OpenScale. Je také známý jako Očekávaná hodnota protokolu pravděpodobnosti a je měřítkem výkonu modelu.
Logaritmická ztráta na první pohled
- Popis: Střední logaritmická hodnota pravděpodobností cílové třídy (důvěra). Je také známo, že se jedná o očekávanou pravděpodobnost protokolu.
- Výchozí prahové hodnoty: Dolní limit = 80%
- Výchozí doporučení:
- Protivývojový trend: Trend směřující vzhůru označuje, že se metrika zhoršuje. Zpětná vazba dat se výrazně liší od údajů o odborné přípravě.
- Meziroční trend: Klesající trend označuje, že se metrika zlepšuje. To znamená, že rekvalifikace modelu je účinná.
- Erratické nebo nepravidelné variace: Vymazává nebo nepravidelná variace ukazuje, že data zpětné vazby nejsou konzistentní mezi hodnoceními. Zvětšete minimální velikost vzorku pro monitor kvality.
- Typ problému: Klasifikace binární klasifikace a vícevláknové třídy
- Hodnoty grafu: Poslední hodnota v časovém rámci.
- Dostupné podrobnosti o metrikách: Žádné.
Spojte si to
Pro binární model se logaritmická ztráta vypočítá pomocí následujícího vzorce:
-(y log(p) + (1-y)log(1-p))
Kde p = true popisek a y = predikovaná pravděpodobnost
Pro model s více třídami se logaritmická ztráta vypočítá pomocí tohoto vzorce:
M
-SUM Yo,c log(Po,c)
c=1
Kde M > 2, p = true popisek a y = predikovaná pravděpodobnost
Další informace
Nadřízené téma: Přehled metrik kvality