对数损失Log-loss实操教程:从数据到结果解读.docxVIP

  • 0
  • 0
  • 约4.79千字
  • 约 6页
  • 2026-11-18 发布于北京
  • 举报

对数损失Log-loss实操教程:从数据到结果解读.docx

对数损失Log-loss实操教程:从数据到结果解读

案例数据下载:/data/log_loss_sample.csv

方法简介

对数损失(Log-loss)衡量模型报出的概率与真实0/1结局吻合到什么程度,公式为?(1/n)Σ[y·lnp+(1?y)·ln(1?p)],取值越小越好,单位是nat。它与准确率、AUC看的东西不同:准确率只数对错、AUC只看排序,而Log-loss直接盯着“报出来的概率本身准不准”,把方向报错与把错的方向报得过度自信都算进惩罚,因此是二分类概率预测里常用的严格评分规则。

SPSSAU的对数损失逐个预测列与结局配对、对缺失做整行删除后给分,每列独立求样本量、事件数、事件率、Log-loss、基线Log-loss、相对改进与平均预测概率,一列一行排在同一张表里。基线取“所有样本都报事件率π”的常数预测,其Log-loss等于二分类熵;相对改进=(基线?Log-loss)/基线,大于0才说明模型比“不看任何信息、只报一个平均概率”强。预测概率恰为0或1时按sklearn的做法夹到[1e-15,1?1e-15]并在注里写明夹了几个点;概率落在[0,1]之外则直接报错,因为越界的值几乎总是传错了列(例如把线性预测值当成概率),夹一下反而会把问题藏起来。

先确认结局与预测列是否对得上:结局必须

文档评论(0)

1亿VIP精品文档

相关文档