0 / 0
Go back to the English version of the documentation
Logaritmická ztráta v metrikách kvality Watson OpenScale
Last updated: 15. 6. 2023
Logaritmická ztráta v metrikách kvality Watson OpenScale

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

Přezkoumání výsledků kvality

Nadřízené téma: Přehled metrik kvality

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more