Log loss (logaritmická ztráta) měří, jak dobře predikované pravděpodobnosti klasifikačního modelu odpovídají skutečným výsledkům. Sebejisté, ale chybné predikce se penalizují obzvlášť silně; hodnota blízká nule značí dobře kalibrované předpovědi. Příklad: pokud model přiřadí 95% pravděpodobnost odchodu zákazníkovi, který zůstane, log loss prudce vzroste. Matematicky jde o totéž co binární křížová entropie.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoKřížová entropie je míra z teorie informace, která udává, jak moc se predikované rozdělení pravděpodobnosti odchyluje od skutečného. Ve strojovém učení je to nejběžnější ztrátová funkce pro klasifikační úlohy i pro jazykové modely, které předpovídají další token. Obzvlášť silně penalizuje sebejisté chybné predikce: přiřadit 99 % špatné třídě znamená mnohem vyšší ztrátu než přiřadit 60 %.
Logistická regrese je statistická metoda, která předpovídá pravděpodobnost jednoho ze dvou výsledků, například „koupí“ nebo „nekoupí“. Váží vstupní rysy a jejich součet převede na hodnotu mezi 0 a 1 pomocí funkce ve tvaru S. Protože jsou váhy snadno interpretovatelné, široce se používá v úvěrovém scoringu, medicíně a marketingu, často jako solidní základní úroveň pro složitější modely.
Klasifikátor je model nebo metoda, která přiřazuje vstupy do jedné z několika předem definovaných kategorií. Klasické varianty, například rozhodovací stromy nebo naivní Bayes, se trénují na označených příkladech; jazykové modely mohou texty třídit také na základě popisu kategorií. Typickým využitím je rozpoznávání spamu, třídění zákaznických dotazů podle témat a kategorizace účtenek. Kvalita se měří metrikami, jako jsou správnost, přesnost a úplnost.
Matice záměn (confusion matrix) je tabulka, která porovnává predikce klasifikátoru se skutečnými třídami. Pro dvě třídy ukazuje pravdivě pozitivní, falešně pozitivní, pravdivě negativní a falešně negativní případy. Z ní lze vypočítat metriky, jako jsou přesnost, úplnost a F1 skóre, a je z ní zřejmé, jaké chyby nastávají. Příklad: filtr spamu, který označuje mnoho skutečných e-mailů jako spam, má mnoho falešně pozitivních případů, což je často dražší než zmeškaný spam.
