Log loss (logaritminen tappio) mittaa, kuinka hyvin luokittelumallin ennustetut todennäköisyydet vastaavat todellisia tuloksia. Itsevarmat mutta väärät ennusteet saavat erityisen ankaran rangaistuksen; nollaa lähellä oleva arvo viittaa hyvin kalibroituihin ennusteisiin. Esimerkki: jos malli antaa 95 %:n poistumatodennäköisyyden asiakkaalle, joka jää, log loss nousee jyrkästi. Matemaattisesti se on sama kuin binäärinen ristientropia.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoRistientropia (cross-entropy) on informaatioteorian mitta, joka ilmaisee, kuinka paljon ennustettu todennäköisyysjakauma poikkeaa todellisesta. Koneoppimisessa se on yleisin tappiofunktio luokittelutehtävissä ja myös kielimalleille, jotka ennustavat seuraavan tokenin. Se rankaisee erityisen kovasti itsevarmoja virheellisiä ennusteita: 99 %:n antaminen väärälle luokalle tuottaa paljon suuremman tappion kuin 60 %:n antaminen.
Logistinen regressio on tilastollinen menetelmä, joka ennustaa todennäköisyyden toiselle kahdesta lopputuloksesta, kuten ”ostaa” tai ”ei osta”. Se painottaa syötepiirteitä ja muuntaa niiden summan arvoksi nollan ja yhden väliltä S-muotoisella funktiolla. Koska painot on helppo tulkita, sitä käytetään laajasti luottopisteytyksessä, lääketieteessä ja markkinoinnissa, usein vankkana lähtötasona monimutkaisemmille malleille.
Luokittelija on malli tai menetelmä, joka osoittaa syötteet johonkin useista ennalta määritellyistä luokista. Klassiset muunnelmat, kuten päätöspuut tai naiivi Bayes, koulutetaan merkityillä esimerkeillä; kielimallit voivat myös lajitella tekstejä luokkien kuvauksen perusteella. Tyypillisiä käyttötarkoituksia ovat roskapostin tunnistus, asiakaskyselyiden lajittelu aiheen mukaan ja kuittien luokittelu. Laatua mitataan mittareilla, kuten osuvuudella, tarkkuudella ja saannilla.
Sekaannusmatriisi (confusion matrix) on taulukko, joka vertaa luokittelijan ennusteita todellisiin luokkiin. Kahden luokan tapauksessa se näyttää oikeat positiiviset, väärät positiiviset, oikeat negatiiviset ja väärät negatiiviset. Siitä voidaan laskea mittareita, kuten tarkkuus, saanti ja F1-pistemäärä, ja selviää, millaisia virheitä syntyy. Esimerkki: roskapostisuodatin, joka merkitsee monta aitoa sähköpostia roskapostiksi, tuottaa paljon vääriä positiivisia, mikä on usein kalliimpaa kuin ohi päässyt roskaposti.
